电子病历命名实体识别研究资料与ccks2020论文集合，详见博客：https://season.blog.csdn.net/article/details/115283564

MSRA-NER (SIGHAN2006) 数据集由微软亚研院发布，其目标是识别文本中具有特定意义的实体，包括人名、地名、机构名。

2006年，微软亚洲研究院（Microsoft Research Asia, MSRA）发布的BIO格式标注语料，共计46365条。

这个命名实体识别数据集是本人亲自整理的最终大型的数据集，供各位学习投票模型的亲朋好友们使用，本人亲自测试，效果非常好！！！！！！

tensorflow2.0 对实体命名识别的数据预处理 1

论文A Unified MRC Framework for Named Entity Recognition的预处理构建的英文的三个数据集数据（conll03_ace2004_ace2005）。

NER-LSTM-CRF 一个易于使用的命名实体识别（NER）工具包，在张量流中实现了LSTM + [CNN] + CRF模型。 该项目短期内不再维护，PyTorch版本： : 1.型号 Bi-LSTM / Bi-GRU + [CNN] + CRF，其中CNN层针对英文，捕获字符特征，通过参数use_char_feature控制self.nil_vars.add（self.feature_weight_dict [feature_name] .name）。 2.用法 2.1数据准备 训练数据处理成下列形式，特征之间用制表符（或空格）替换，每行共n列，1至n-1列为特征，最后一列为labe

MSRA.zip表示用来训练与测试NER任务的原数据。

论文A Unified MRC Framework for Named Entity Recognition的预处理构建的中文的两个数据集数据。

整合当前可以找到的NER语料集，并把格式统一化，可以直接训练。