斯坦福NLP的信息提取，包括命名实体识别和关系提取等。

使用预训练语言模型BERT做中文NER

超全的ALtuim元器件及封装库 通用电阻电容库、STM32单片机库 电池、电感 二极管 光耦 互感器 继电器 晶体管 常用芯片等等等

https://github.com/google-research/bert 里的预训练好的中文的NER模型，该模型是中文命名实体识别的预训练模型chinese_L-12_H-768_A-12.zip，这个链接下载只需3积分，主要是想给大家提供方便，供大家学习使用。

给大家分享一套课程——【完整版11章】自然语言处理之动手学NER视频教程 课程大纲： 章节1 动手命名实体识别开篇 章节2 动手学命名实体识别之环境搭建 章节3 深度学习基础之卷积神经网络 章节4 深度学习基础之循环神经网络 章节5 深度学习基础之LSTM 章节6 基于BiLSTM+CRF的中文命名实体识别实战 章节7 命名实体识别项目案例 章节8 基于IDCNN+CRF的中文命名实体识别实战 章节9 Bert相关理论详细详解 章节10 基于Bert+LSTM+CRF的中文命名实体识别实战 章节11 基于Tensorflow2.x的命名实体识别实战

NLP常用数据集：BosonNLP_NER_6C、Chinese-NLP-Corpus（NER：Weibo、People's Daily、MSRA；识别：BDCI_Car_2018）、CoNLL、OntoNotes-5.0-NER-BIO-master

CCKS2019-任务5 引言 目前，PDF已成为电子文档发行和数字化信息传播的一个标准，其广泛的学术界的交流以及各类公告的发行。如何从非结构化的PDF文档中抽取结构化数据是知识图谱领域所面临的的一大挑战。此处利用Adobe公司开发的Acrobat DC SDK对PDF进行格式转换，从半结构化的中间文件进行信息转移。引用现有的开源PDF解析方法，Acrobat导出的中间文件保存了更完整在CCKS 2019年公众公司公告评论中，我们的方法获得总成绩第三名。在本次评估中，我们将公告文件（PDF）格式）转换成XML。对于任务一，我们通过查找表标签，获取PDF中所有的表格；然后根据表格的一部分，确定其

2014年的人民日报数据，总共有28万行，可直接做词性标注训练使用，处理后也可以做实体识别模型训练用。

政治网络 斯洛文尼亚政治数据的命名实体识别项目。 安装开发 # Python 2.7.6 mkvirtualenv --no-site-packages politiki workon politiki pip install --upgrade -r requirements.txt 使用的库和工具 准备和抓取数据 手动抓取每个门户或运行“./bin/small_crawl.sh”脚本 scrapy crawl delo -o data/urls/delo.csv -t csv -O --nolog 将 URL 列表合并为一个巨大的列表。 cat data/urls/*.csv | cut -d ',' -f1 | grep -v -e "url" | uniq -u > data/lists/big.txt 使用 Aria2 下载所有内容以供离线处理 aria2c --con

将实体识别命名为依赖项解析 介绍 该存储库包含以下论文中介绍的代码： 于俊涛，伯纳德·博内特和马西莫·波西奥在2020年计算语言学协会（ACL）第58届年会论文集中 设置环境 该代码使用Python 2和Tensorflow 1.0编写，Amir提供了Python3和Tensorflow 2.0版本（请参阅其他版本）。 开始之前，您需要使用pip install -r requirements.txt列出的所有必需软件包。 然后下载BERT模型，对于英语，我们使用，对于其他语言，我们使用。 之后，修改并运行extract_bert_features/extract_bert_featu