引言

关于跨任务抽取，搜了圈没发现准确定义的，有介绍多任务的，有介绍prompt来做多任务的。

所以此处暂不纠结具体细节了，看下paddleNLP UIE怎么做的。

训练

关于数据标注，官方没有给具体的方式，那么就从推理的角度来看是怎么实现的。

推理

官方代码：

from paddlenlp import Taskflow


# 跨任务抽取
schema = ['法院', {'原告': '委托代理人'}, {'被告': '委托代理人'}]
ie = Taskflow('information_extraction', schema=schema)
ie.set_schema(schema)
print(ie("北京市海淀区人民法院\n民事判决书\n(199x)建初字第xxx号\n原告：张三。\n委托代理人李四，北京市 A律师事务所律师。\n被告：B公司，法定代表人王五，开发公司总经理。\n委托代理人赵六，北京市 C律师事务所律师。")) # Better print results using pprint

代码debug部分就不介绍了，直接说结论。

提取顺序	prompt构造方式	推理结果
1	法院	北京市海淀区人民法院
2	原告	张三
3	被告	B公司
4	张三的委托代理人	李四
5	B公司的委托代理人	王五

总结

看完百度paddleNLP UIE代码，就觉得优秀的代码就是优秀，这个优秀不是因为简单容易看懂这种，而是优秀的工程能力，优秀的建模能力，和简洁明了的实现方式。不像打比赛，啥子有的没的feature都往上堆。。。

不管怎样，建议下次不记得的时候，一定要先从UIE-事件提取看起。这种方式值得学习！