1 NELL数据集简介

来源：NELL

1.1 目录结构

1. train_tasks.json
2. dev_tasks.json
3. test_tasks.json
4. ent2ids
5. relation2ids
6. path_graph
7. e1rel_e2.json
8. rel2candidates.json

1.2 对应文件的解释

1. 训练集：每个关系所在的三元组的数量在50到500之间 51个关系
2. 验证集：每个关系所在的三元组的数量在50到500之间 5个关系
3. 测试集：每个关系所在的三元组的数量在50到500之间 11个关系
4. 所有实体对应id
5. 除了训练集、验证集和测试集所有关系的关系所对应的id
6. 除了训练集、验证集和测试集所有关系的关系所包含的三元组
7. 存在于训练集、验证集和测试集中的所有关系对应的正确三元组
8. 存在于训练集、验证集和测试集中的所有关系对应候选实体(根据实体类型的约束得到的)

1.3 数据探索

• 读取文件

  train_tasks = json.load(open("FAAN/NELL/train_tasks.json"))
  print(len(train_tasks))   # 51
  
  ent2id = json.load(open('FAAN/NELL/ent2ids'))
  print(len(ent2id))        # 68544
  

2 Wiki数据集简介

来源：Wiki

未完待续~~~