信息提取中文 中文信息提取（包括命名实体识别，关系提取等）专注于最新的深度学习方法。 为了清楚起见，该项目有几个子任务，分别带有详细的README.md。 文件夹RE_BGRU_2ATT /中的详细信息 文件夹NER_IDCNN_CRF /中的详细信息 详情 参考

适用于大规模多中心RCT研究，抗生素CRF数据提取，excel格式，方便自调

重症患者CRF数据提取模板，适用于大规模多中心RCT研究，以重症患者为首选适用，其他科室可以参考

有详细的算法描述，适合条件随机场的编程爱好者使用，很好的参考作用

功能很强大的一版 crf代码实现，想要深入深入理解crf的童鞋们参考

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

用于药物命名实体识别的LSTM-CRF

条件随机场crf 马尔可夫随机场mrf 的编程实现，包含代码和数据集，求解算法BFGS等

crf--python编码，有两种结构

使用深度学习方法BiLSTM，并结合CRF模型的标签依赖性特点，解决命名实体识别的序列标注问题