用于中文命名实体识别的简单BiLSTM-CRF模型
该存储库包含用于为中文命名实体识别任务构建非常简单的基于字符的BiLSTM-CRF序列标签模型的代码。 其目标是识别三种类型的命名实体：PERSON，LOCATION和ORGANIZATION。
这段代码可在Python 3和TensorFlow 1.2上运行，以下存储库给了我很多帮助。
模型
此模型类似于论文[1]和[2]提供的模型。 其结构如下图所示：
对于一个中文句子，该句子中的每个字符都有/将具有属于{O，B-PER，I-PER，B-LOC，I-LOC，B-ORG，I-ORG}集的标记。
第一层是查找层，旨在将每个字符表示从一个
2021-04-23 17:39:17
40.13MB
1
BERT只是一个预训练的语言模型，在各大任务上都刷新了榜单。我们本次实验的任务也是一个序列标注问题，简而言之，就是是基于BERT预训练模型，在中文NER（Named Entity Recognition，命名实体识别）任务上进行fine-tune。
Fine-tune是什么意思，中文译为微调。在transfer learning中，对事先训练好的特征抽取网络，直接拿来用在下游任务上。固定其特征抽取层的网络参数，只在原有的网络上增加少量神经元，做最后的分类任务，而且只更新分类参数。
2021-04-20 19:51:43
479KB
1
基于Tensorflow1.x实现BiLstm+CRF，代码可运行，包括中药说明书实体识别挑战的比赛数据。
2021-04-18 18:54:56
2.64MB
1