基于crfsuited的医疗命名实体抽取的Python实现
医疗电子病例命名实体识别评测任务的一个可执行demo，采用的方法是条件随机场(CRF)，实现CRF的第三方库为[python-crfsuite]。目前该demo准确率为68%，召回率为62%，F1值为64.8%。
2019-12-21 19:28:01
405KB
1
从深度学习的角度出发,提出了一种基于Attention 的双向长短时记忆网络(bidirectional long short-term memory,BLSTM)与条件随机场(conditional random fields,CRF)相结合的领域术语抽取模型(BLSTM_Attention_CRF
模型),并使用基于词典与规则相结合的方法对结果进行校正,准确率可达到 86%以上,该方法切实可行。
2019-12-21 19:28:01
1.48MB
1
CRF在NLP技术领域中主要用于文本标注，并有多种应用场景，例如：
分词（标注字的词位信息，由字构词）
词性标注（标注分词的词性，例如：名词，动词，助词）
命名实体识别（识别人名，地名，机构名，商品名等具有一定内在规律的实体名词）
2019-12-21 19:18:01
433KB
1
windows下crf++的python配置需要的文件：
运行环境：vs2013,python2.7.13 32位,win8.1 64位
包含文件
crfpp.h
crfpp.lib
pthread.lib
libcrfpp.dll
这几个应该就够了，少的话给我留言
2017-04-03 00:00:00
276KB
1