中文NER 本项目使用 python 2.7 张量流1.7.0 火炬0.4.0 对命名实体识别不了解的可以先看一下这篇。顺便求star〜 这是最简单的一个命名实体识别BiLSTM + CRF模型。 数据 数据文件夹中有三个开源数据集可以使用，玻森数据（ ），1998年人民日报标注数据，MSRA微软亚洲研究院开源数据。其中，boson数据集有6种实体类型，人民日报语料和MSRA一般只提取人名，地名，组织名三种实体类型。 先运行数据中的python文件处理数据，供模型使用。 张量流版 开始训练 使用python train.py开始训练，训练的模型会存到模型文件夹中。 使用预训练的词向量 使

不用积分，不用积分，不用积分

支持python3.8.2的pyHook,当用到python的钩子功能，对鼠标键盘进行控制时，提示错误。并且传送门和官网没有这个文件。找了一天，确定没有，自已动手做了这个文件，并且修改了里面的三处错误，下载的原码有三处错误。

用于中文命名实体识别的简单BiLSTM-CRF模型 该存储库包含用于为中文命名实体识别任务构建非常简单的基于字符的BiLSTM-CRF序列标签模型的代码。 其目标是识别三种类型的命名实体：PERSON，LOCATION和ORGANIZATION。 这段代码可在Python 3和TensorFlow 1.2上运行，以下存储库给了我很多帮助。 模型 此模型类似于论文[1]和[2]提供的模型。 其结构如下图所示： 对于一个中文句子，该句子中的每个字符都有/将具有属于{O，B-PER，I-PER，B-LOC，I-LOC，B-ORG，I-ORG}集的标记。 第一层是查找层，旨在将每个字符表示从一个

kaggle 数据集 命名实体识别 范强下载的 Abhinav Walia • updated 3 years ago (Version 4) Annotated Corpus for Named Entity Recognition using GMB(Groningen Meaning Bank) corpus for entity classification with enhanced and popular features by Natural Language Processing applied to the data set.

信息提取中文 中文信息提取（包括命名实体识别，关系提取等）专注于最新的深度学习方法。 为了清楚起见，该项目有几个子任务，分别带有详细的README.md。 文件夹RE_BGRU_2ATT /中的详细信息 文件夹NER_IDCNN_CRF /中的详细信息 详情 参考

提供很多直播特效文件用来测试svga的动画方案，不可用于商业项目！！资源来自于网络，如有侵权立即删除！！

命名管道（全双工）

本文档的主要目的在于解决运行coco.py 出现 ModuleNotFoundError: No module named 'imgaug' 错误的解决方法。

2006-EACL-Using Encyclopedic Knowledge for Named entity Disambiguation.pdf