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。

Java 实现的自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 关键词提取 自动摘要 短语提取 拼音 简繁转换。.zip,自然语言处理 中文分词 词性标注 命名实体识别 依存句法分析 新词发现 关键词短语提取 自动摘要 文本分类聚类 拼音简繁

基于机器阅读理解的嵌套命名实体识别，王璞，徐蔚然，命名实体识别是自然语言处理领域的重要的基础性问题，经典的处理方法是把它看做序列标注任务，序列标签用于嵌套命名实体的表示时

使用 CRF++ 训练命名实体识别模型

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。

该数据集是用于命名实体识别训练模型的数据集，该数据集中包含6中标签，分别是人名、地名、时间、组织机构名、公司名、产品名。遵循BIO编码。里面有三个文件，分别是训练集，测试集，验证集。样例如下： 以 O 及 O 以 O 康 B-COMPANY_NAME 宽 I-COMPANY_NAME 为 O 代 O 表 O 的 O 国 O 外 O 专 O 利 O 产 O 品 O 低 O 毒 O 杀 O 虫 O 剂 O 吡 B-PRODUCT_NAME 虫 I-PRODUCT_NAME 啉 I-PRODUCT_NAME 和 O 生 O 物 O 农 O 药 O 阿 B-PRODUCT_NAME 维 I-PRODU

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

Tensorflow solution of NER task Using BiLSTM-CRF model with Google BERT Fine-tuning

实体关系识别和自然语言处理中的ace 2005 语料，非常珍贵 ACE 2005多语种培训语料库包含完整的英语、阿拉伯语和汉语训练数据，用于2005年自动内容提取(ACE)技术评估。语料库由多种类型的数据组成包括实体、关系和事件，这些数据由语言数据联盟(LDC)标注，并得到ACE计划的支持和LDC的额外援助。

基于jiagu和jieba的中文地区提取算法，用python语言编写，并用fastapi包装，可以被Java等请求结果