用于命名实体识别（或序列标记）的LSTM-CRF模型 该存储库实现了用于命名实体识别的LSTM-CRF模型。 该模型与的模型相同，只是我们没有BiLSTM之后的最后一个tanh层。 我们在CoNLL-2003和OntoNotes 5.0英文数据集上均达到了SOTA性能（请通过使用Glove和ELMo来检查我们的，通过对BERT进行微调来检查其他）。 公告内容 我们实现了模块，该模块允许O（log N）推断和回溯！ 通过微调BERT / Roberta **获得 模型 数据集 精确 记起 F1 基于BERT的情况+ CRF（此存储库） CONLL-2003 91.69 92.05 91.87 Roberta-base + CRF（此仓库） 2003年 91.88 93.01 92.44 基于BERT的情况+ CRF（此存储库） 笔记5 89.57 89.45

一篇中文实体识别的文章，为哈工达信息检索实验室的研究生关于实体识别的成果。

资源是关于利用BERT模型来训练命名实体识别的数据，其中包括训练，测试，预测用的数据，结合唐老师的历程和github 代码实现

1.2 命名实体识别的研究现状 近年来，命名实体识别的研究逐步升温，国内外的很多会议都关注命名实体 识别的研究。 （1）MUC MUC(Message Understanding conference)曾推动了上个世纪的自然语言处理的 蓬勃发展。1995 年 9 月举行的 MUC-6 会议首次出现了术语“命名实体”，并引入 了英文命名实体识别的评测任务。在其后的一系列关于自然语言处理的会议中都 有对命名实体识别的研究。 （2）ACE[4] 2000 年 12 月由美国国家标准技术研究所组织的自动内容抽取(Automatic Content Extraction，ACE)评测会议将实体识别作为它评测的两大任务之一。命名实 体可以看作是 ACE 识别的实体的子集。ACE 识别的实体更像是名词短语，可以嵌 套，类别也更多，同时还需要确定实体间的共指关系，因此难度较大。 （3）863 评测[5] 国家 863 命名实体识别评测小组在 2004 年度命名实体识别评测大纲中，描述 了对命名实体主要任务的定义：“命名实体任务由三个子任务组成(命名实体、时 间表达式、数字表达式)。被标注的表达式为命名实体(组织、人、地点)、时间(日 期、时间)及数量。” 目前，英文命名实体识别方面人们已经展开了大量的研究工作并取得了较满 意的效果。在 MUC-6 评测中，Bikel D 等提出的基于隐马尔科夫夫模型的英文命

Yidu-S4K 数据集源自CCKS 2019 评测任务一，即“面向中文电子病历的命名实体识别”的数据集，包括两个子任务：1）医疗命名实体识别；2）医疗实体及属性抽取（跨院迁移）。

命名实体识别（NE）是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。 命名实体识别是信息提取、问答系统、句法分析、机器翻译、面向Semantic Web的元数据标注等应用领域的重要基础工具，在自然语言处理技术走向实用化的过程中占有重要地位。一般来说，命名实体识别的任务就是识别出待处理文本中三大类（实体类、时间类和数字类）、七小类（人名、机构名、地名、时间、日期、货币和百分比）命名实体。

bilstmcrf.zip

自己给自己博客用的命名实体实体识别的数据

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。

微软亚研的中文分词、词性标注和命名实体识别语料，包括训练和验证集，xml格式，方便使用，机器学习、信息检索以及NLP领域的研究人员使用来训练模型