BERT只是一个预训练的语言模型，在各大任务上都刷新了榜单。我们本次实验的任务也是一个序列标注问题，简而言之，就是是基于BERT预训练模型，在中文NER（Named Entity Recognition，命名实体识别）任务上进行fine-tune。 Fine-tune是什么意思，中文译为微调。在transfer learning中，对事先训练好的特征抽取网络，直接拿来用在下游任务上。固定其特征抽取层的网络参数，只在原有的网络上增加少量神经元，做最后的分类任务，而且只更新分类参数。

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。

使用深度学习方法BiLSTM，并结合CRF模型的标签依赖性特点，解决命名实体识别的序列标注问题