Hugging Face's logo

Spaces:
Ciallo0d00
/
GeoLLM
Runtime error

App Files Community
GeoLLM
File size: 10,341 Bytes 
badcf3c
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
 
# 测试llama和qen
if __name__ == '__main__':
    import pandas as pd
    import json

    # 加载地质描述文本，提取prompt和label
    with open('./data/train_triples.json', 'r', encoding='utf-8') as f:
        data = json.load(f)
    # 将data转换为DataFrame
    df = pd.DataFrame(data)
    # 提取prompt和label
    text = df['text']
    label = df['triple_list']
    # print(prompt,label)

    print(len(text))


    from response_to_json import parse_llm_response, save_to_json, save_raw_response
    from LLM_Special_for_0423 import zero_shot
    # from prompt_generate import generate_prompt_with_examples as generate_prompt
    # from prompt_generate import generate_prompt_with_best_matches as generate_prompt_b

    model_series = 'qwen'
    model_name = 'Qwen/Qwen2.5-72B-Instruct'

    prompt = '''

    你是一名专业经验丰富的工程地质领域专家，你的任务是从给定的输入文本中提取"实体-关系-实体"三元组。关系类型包括24种："出露于"、"位于"、"整合接触"、"不整合接触"、"假整合接触"、"断层接触"、"分布形态"、"大地构造位置"、"地层区划"、"出露地层"、"岩性"、"厚度"、"面积"、"坐标"、"长度"、"含有"、"所属年代"、"行政区划"、"发育"、"古生物"、"海拔"、"属于"、"吞噬"、"侵入"。提取过程请按照以下规范：

    1.  输出格式：

        严格遵循JSON数组，无额外文本，每个元素包含：

        [

            {

                "entity1": "实体1",

                "relation": "关系",

                "entity2": "实体2"

            }

        ]

    2.  复杂关系处理：

        若同一实体参与多个关系，需分别列出不同三元组

    3.  关系的解释：

        对部分较难提取的关系解释如下：

        （1）出露于：指岩石或地层暴露在地表或近地表，未被覆盖或埋藏，在三元组中常显示为"出露"、"分布"，主体和客体分别是"岩石、地层（X组或X群）"和"地区"。。



        （2）假整合接触：特指产状一致的平行不整合类型，强调沉积序列的间断但无构造变形，专门用来描述地层之间的关系，请勿滥用。



        （3）分布形态：刻画地质单元的空间展布特征，包括几何形态与延伸方向的组合描述。在三元组中主体和客体分别是"岩石、地层（X组或X系）"和"X块、状、体、结构、展布"等。



        （4）大地构造位置：定位地质单元在板块构造格架中的归属，关联造山带或构造单元划分。在三元组中主体和客体分别是"岩石、地层（X群或X系）"和"XX带"。



        （5）地层区划：表征地层单元在区域地层划分体系中的层级归属与分区属性。在三元组中主体和客体分别是"地层、测区"和"X分区"。



        （6）出露地层：特指某区域实际暴露的地层实体，强调可观测的地表地质单元。在三元组中主体和客体分别是"地层（X组或X群）"和"地层（X组或X群）"。



        （7）岩性：定义岩石的物质组成与结构特征，包含复合岩性的层级描述要素。



        （8）坐标：特指记录地质特征点的地理空间定位数据。



        （9）行政区划：界定地质实体在行政管理体系中的隶属层级与地域归属。



        （10）发育：描述地质构造或沉积特征的显现程度与形成状态强度。在三元组中主体和客体分别是"岩石"和"X层（片）理等、X构造"。



        （11）古生物：记录地层中赋存的化石生物信息，需包含完整拉丁学名与分类特征。专指"X岩石、地区、地层（X组或X群"有"古生物"。



        （12）属于：确立地质单元在分类体系中的类型归属，构建概念层级关系，不可滥用。



        （13）吞噬：表征侵入体对围岩的空间取代过程，反映岩浆活动的改造作用。

    '''
    j=0
    q=0

    json_path = './output/Knowledge-guided_rerun/nomal/'+model_name+'.json'
    j=len(json.load(open(json_path,'r',encoding='utf-8')))
    q=len(json.load(open('./output/Knowledge-guided_rerun/nomal_raw/'+model_name+'.json','r',encoding='utf-8')))
    # # 当q=j时才继续处理
    # # 当q=j时才继续处理
    if q==j:        
        print(j)
        for i in range(j,500):
            response = zero_shot(model_series, model_name, prompt+'\n'+'以下是地质描述文本，请基于上述描述提取三元组：'+'\n'+text[i])
            print(prompt+'\n'+'以下是地质描述文本，请基于上述描述提取三元组：'+'\n'+text[i])
            # 解析响应
            formatted_triples = parse_llm_response(response)
                
            # 保存结果  
            save_to_json(text[i], formatted_triples, model_series=model_name, output_dir='./output/Knowledge-guided_rerun/nomal/')
            # 保存原始响应为josn文件save_raw_response
            save_raw_response(response, prompt+'\n'+'以下是地质描述文本，请基于上述描述提取三元组：'+'\n'+text[i], model_series=model_name, output_dir='./output/Knowledge-guided_rerun/nomal_raw/')

    else:
        print('q!=j')


# 上一轮提示 0421
    # 你是一名专业经验丰富的工程地质领域专家，你的任务是从给定的输入文本中提取"实体-关系-实体"三元组。关系类型包括24种："出露于"、"位于"、"整合接触"、"不整合接触"、"假整合接触"、"断层接触"、"分布形态"、"大地构造位置"、"地层区划"、"出露地层"、"岩性"、"厚度"、"面积"、"坐标"、"长度"、"含有"、"所属年代"、"行政区划"、"发育"、"古生物"、"海拔"、"属于"、"吞噬"、"侵入"。提取过程请按照以下规范：
    # 1.	输出格式：
    # 严格遵循JSON数组，无额外文本，每个元素包含：
    # [
    #     {
    #         "entity1": "实体1",
    #         "relation": "关系",
    #         "entity2": "实体2"
    #     }
    # ]
    # 2.	复杂关系处理：
    # - 若同一实体参与多个关系，需分别列出不同三元组
    # 3.	关系的解释：
    # 出露于：指岩石或地层暴露在地表或近地表，未被覆盖或埋藏，在三元组中常显示为"出露"、"分布"，主体和客体分别是"岩石、地层（X组或X群）"和"地区"。

    # 位于：确立地质单元在更大空间框架（行政区域/构造单元）中的从属关系，表达宏观空间归属，不能用来描述"X岩"在"X地方"，使用"出露于"关系替代。

    # 整合接触：指示上下地层连续沉积形成的接触关系，反映无显著沉积间断的岩性渐变特征，专门用来描述地层之间的关系，请勿滥用。

    # 不整合接触：描述存在沉积缺失的地层接触界面，包含角度差异或岩性突变的接触特征，专门用来描述地层之间的关系，请勿滥用。

    # 假整合接触：特指产状一致的平行不整合类型，强调沉积序列的间断但无构造变形，专门用来描述地层之间的关系，请勿滥用。

    # 断层接触：界定以断裂构造为边界的地质体空间关系，伴随破碎带等构造现象，专门用来描述地层之间的关系，请勿滥用。

    # 分布形态：刻画地质单元的空间展布特征，包括几何形态与延伸方向的组合描述。在三元组中主体和客体分别是"岩石、地层（X组或X群）"和"块、状、体、结构、展布"等。

    # 大地构造位置：定位地质单元在板块构造格架中的归属，关联造山带或构造单元划分。在三元组中主体和客体分别是"岩石、地层（X组或X群）"和"XX带"。

    # 地层区划：表征地层单元在区域地层划分体系中的层级归属与分区属性。在三元组中主体和客体分别是"地层、测区"和"X分区"。

    # 出露地层：特指某区域实际暴露的地层实体，强调可观测的地表地质单元。在三元组中主体和客体分别是"地层（X组或X群）"和"地层（X组或X群）"。

    # 岩性：定义岩石的物质组成与结构特征，包含复合岩性的层级描述要素。

    # 厚度：量化地层/岩体的垂向尺度，包含绝对数值与相对描述的量纲表达。

    # 面积：表征地质单元的水平展布范围，以数值与单位组合的标准化形式呈现。

    # 坐标：特指记录地质特征点的地理空间定位数据，保持原始经纬度格式特征。

    # 长度：描述线性地质体的空间延伸尺度。

    # 含有：指示主体物质的成分包含关系，专指矿物组成或化石赋存状态，不同于日常的意思，不能用来描述“X岩"含有"古生物"，要使用"古生物"关系代替。

    # 所属年代：建立地质单元与标准地质年代体系的对应关系，采用国际年代术语，不可滥用。

    # 行政区划：界定地质实体在行政管理体系中的隶属层级与地域归属。

    # 发育：描述地质构造或沉积特征的显现程度与形成状态强度。在三元组中主体和客体分别是"岩石"和"X层（片）理等、X构造"。

    # 古生物：记录地层中赋存的化石生物信息，需包含完整拉丁学名与分类特征。专指"X岩石、地区、地层（X组或X群"有"古生物"。

    # 海拔：量化地质特征点相对于海平面的高程数据，保留测量基准标识。

    # 属于：确立地质单元在分类体系中的类型归属，构建概念层级关系，不可滥用。

    # 吞噬：表征侵入体对围岩的空间取代过程，反映岩浆活动的改造作用。

    # 侵入：描述岩浆岩体贯入围岩的地质作用过程，包含接触变质等伴生现象

    # 4.	其他要点：

    # 所有三元组关系必须是以上24种之一
    # 关系的实体不能是动词或者介词等无意义的词。且描述岩石和地层等实体等要根据原文尽可能完整，如"X带X岩"或"X世X岩","X层"或"X组"
    # 描述数字时，不必带上"大于"等模糊词