# 中文命名实体识别
基于条件随机场（Conditional Random Field, CRF)的NER模型
## 数据集
数据集用的是论文ACL 2018[Chinese NER using Lattice LSTM](https://github.com/jiesutd/LatticeLSTM)中收集的简历数据，数据的格式如下，它的每一行由一个字及其对应的标注组成，标注集采用BIOES，句子之间用一个空行隔开。
```
美 B-LOC
国 E-LOC
的 O
华 B-PER
莱 I-PER
士 E-PER
我 O
跟 O
他 O
谈 O
笑 O
风 O
生 O
```
该数据集就位于项目目录下的`data`文件夹里。
## 运行结果
具体的输出可以查看`output.txt`文件。
## 环境
首先安装依赖项：
pip3 install -r requirement.txt
安装完毕之后，直接使用
python3 main.py > output.txt
即可训练、评估以及测试模型，评估模型将会打印出模型的精确率、召回率、F1分数值以及混淆矩阵
2022-06-18 18:04:51
613KB
1
NLP_pytorch_project
1-聊天机器人
001-transformer_chatbot
实现方式是标准的transformer。
002-bert_chatbot
参考UNILM
2嵌入
001-skipgram-word2vec.py
002-bert.py
003-albert.py
004-NPLM.py
3-NMT
001-transformer_NMT
002-gru_seq2seq_attention
003-lstm_seq2seq_attention
4文本分类
001-TextCNN.py
002-BILSTM+Attention.py
003-CharCNN
004-BERT_Classification
005-ERNIE_Classification
006-ALB
2022-06-14 17:54:50
71.2MB
1
An Attention-Based BiLSTM-CRF Model for
Chinese Clinic Named Entity Recognition；基于注意力的 BiLSTM-CRF 模型
中国门诊病历文本命名实体识别
2022-04-27 20:07:24
879KB
1
课程目标：
学习完本门课程，您将对自然语言处理技术有更深入的了解，彻底掌握中文命名实体识别技术。
适用人群：
自然语言处理从业者、深度学习爱好者
课程简介：
命名实体识别作为自然语言处理的基础技术之一，在自然语言处理上游各个任务（问答系统、机器翻译、对话系统等）重扮演者十分重要的角色，因此深入掌握命名实体识别技术，是作为自然语言处理从业者毕本技能，本课程理论与实践相结合，希望能给大家带来帮助。
课程要求：
（1）开发环境：Python3.6.5 Tensorflow1.13.1；（2）开发工具：Pycharm；
（3）学员基础：需要一定的Python基础，及深度学习基础；
（4）学院收货：掌握命名实体识别关键技术；
（5）学院资料：见课程资料；
（6）课程亮点：全程实战操作，徒手撸代码。
2022-03-30 21:57:45
515B
1
基于BERT的中文数据集下的命名实体识别（NER）
基于tensorflow官方代码修改。
环境
Tensorflow：1.13
的Python：3.6
tensorflow2.0会报错。
搜狐比赛
在搜狐这个文本比赛中写了一个基准，使用了bert以及bert + lstm + crf来进行实体识别。
其后只使用BERT的结果如下，具体评估方案请看比赛说明，这里的话只做了实体部分，情感全部为POS进行的测试嘲笑。
使用bert + lstm + crf结果如下
训练验证测试
export BERT_BASE_DIR=/opt/hanyaopeng/souhu/data/chinese_L-
2022-03-24 12:22:48
1.7MB
1