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
word2vec/fasttext绘图中所需的藏文字体，若不需要可视化藏文字体，请不要下载！
2022-02-14 16:09:27
559KB
1
资源来自
https://github.com/Embedding/Chinese-Word-Vectors
2022-01-31 16:08:27
531.43MB
1
资源来源
https://github.com/Embedding/Chinese-Word-Vectors
2022-01-31 16:08:26
707.81MB
1
本方法是基于BIOES标注的，如果为其它，请自行修改代码
正常ONE-HOT标注数据是按字标注的：如
反 复 胸 痛 1 5 年
B-PL E-PL B-ZZ E-ZZ B-SJ I-SJ E-SJ
经过BERT分词器分词后为：
反 复 胸 痛 15 年
这时候label就要重新修复下偏移了，修复后结果如下：
B-PL E-PL B-ZZ E-ZZ B-SJ E-SJ
2022-01-19 14:02:57
1KB
1