Zheng Wang, Shuo Xu, and Lijun Zhu, 2018. Semantic Relation Extraction Aware of N-Gram Features from Unstructured Biomedical Text. Journal of Biomedical Informatics, Vol. 86, pp. 59-70.

• JDK 1.8 +
• Maven
• Git

所有的数据文件经过特征提取后，应当形成特征文件和关系（Relationship）文件。

This file is line-based.原始数据文件是按行组织的文件，每一行是一篇概念上的文档，形如：

第一篇文本
第二篇文本

每一行都又若干段组成，每一段代表一个候选实体对所对应的特征。候选实体对之间用\t隔开，形如：

第一个实体对对应的特征\t第二个实体对对应的特征……

每一个候选实体对的特征之间以一个空格隔开，形如：

特征1 特征2 特征3……:Relationship

如果这个候选实体对被标注为某种关系的实例，则在候选实体对后方加上一个英文冒号和实例名称（Relationship）。

每个特征和关系名称（Relationship）中间不许有空格。如果特征是由多个Token组成的，则用英文下划线_连缀。

关系文件是特征文件中可能出现的一切关系（Relationship）的集合。它的每一行是一个关系，形如：

Relationship1
Relationship2
……

本文为完成实验共提供了四个模型：Rel-LDA，Rel-TNG，Type-LDA和Type-TNG，共三个文件。其中，Rel-TNG和Type-TNG在同一份代码的不同分支中，需要使用Git进行切换。所有的模型都可以在目录下使用如下命令生成如“模型名称-1.0-SNAPSHOT-jar-with-dependencies.jar”这样的文件，这个过程可能多次由于网络问题中断：

mvn assembly:assembly -DskiptTests

运行Rel-LDA和Rel-TNG模型可以使用如下命令（请注意空格）：

java -Xmx4G -jar Rel-LDA-1.0-SNAPSHOT-jar-with-dependencies.jar 特征文件路径 循环次数 输出文件路径 关系数量 symetricDirichletParam 关系文件路径 种子文档数量（float） 每多少次保存一次 用于计算困惑度的文档的数量（float）

运行Type-LDA和Type-TNG模型可以使用如下命令（比Rel-LDA和Rel-TNG模型多了“实体类型数量”）：

java -Xmx4G -jar Rel-LDA-1.0-SNAPSHOT-jar-with-dependencies.jar 特征文件路径 循环次数 输出文件路径 关系数量 实体类型数量 symetricDirichletParam 关系文件路径 种子文档数量（float） 每多少次保存一次 用于计算困惑度的文档的数量（float）

执行上述命令后，会在指定路径输出以下几个文件：

• perplexity文件，记录了每次循环的困惑度
• final文件，记录了训练得到的模型参数
• document文件，记录了本次训练之后，训练数据的标注结果
• result文件，专门记录了本次训练中关系抽取的结果。每一行都由被标注为对应关系的实体对特征组成

除了上述文件之外，每个模型的文件中还包括Evaluator.java文件，使用者可以改写这个文件以获得更进一步的模型输出内容。其中包括：

• measure文件，计算模型的Recall、Precision和F1-score
• sort文件，计算在当前模型对候选实体对的似然，这一步的目的是了解模型对候选实体对标注关系的确定程度
• observation系列文件，对于不同的关系，不同unigram出现的频率。对于TNG系列模型，还包括bigram出现的频率。