基于 GlobalPointer 的改进，Keras 版本 的 torch 复现，核心还是 token-pair 。

绝大部分代码源自本人之前关于 GlobalPointer 的 repository。

笔者已经将 GlobalPointer 落地部署，垂直领域特别是嵌套情况下的信息抽取，GP真的做的很好，现在 Efficient GP 参数更少，效果更优，所以我认为只要上了 BERT，就抛弃 BIO-CRF 那一套吧！

CMeEE 存放在: train_cme_path = ./datasets/CME/train.json

eval_cme_path = ./datasets/CME/dev.json

1、笔者比较喜欢用RoBerta系列 RoBERTa-zh-Large-PyTorch

2、点这里直接goole drive下载

注意把train/predict文件中的 bert_model_path 路径改为你自己的

python train_CME.py

python predict_CME.py

想打榜的，可以加模型融合+对抗训练+远程监督等等 trick！ 这个 67.942% 是纯模型的结果