为解决旅游文本在特征表示时的一词多义问题, 针对旅游游记文本景点实体识别中景点别名的问题, 研究了一种融合语言模型的中文景点实体识别模型. 首先使用BERT语言模型进行文本特征提取获取字粒度向量矩阵, BiLSTM用于上下文信息的提取, 同时结合CRF模型提取全局最优序列, 最终得到景点命名实体. 实验表明, 提出的模型性能提升显著, 在实际旅游领域内景点识别的测试中, 与以往研究者方法比较下准确率, 召回率分别提升了8.33%, 1.71%.
2021-11-06 18:57:14
1.08MB
1
NER-Sequence-labeling--Textcnn-bilstm-crf-pytorch
pytorch用Textcnn-bilstm-crf模型实现命名实体识别
数据处理
数据处理文件是'data_preprocess.py'
模型和训练过程
模型和训练过程都在同一个文件中‘cnn-bilistm-crf.py’
预测
预测文件为‘predict.py’
数据
数据存在data文件夹中
2021-11-05 14:04:29
16KB
1
自然语言处理工具包。目前支持阿拉伯语，中文，英文，法语，德语，西班牙语，做平行语料的对比非常方便。获得文本的语言注释，包括token和句子边界、语音处理、命名实体、数字和时间值、依赖性分析，java版本
2021-11-04 13:03:12
218.6MB
裁判文书中的命名实体识别是自动化审判的关键一步，如何能够有效的分辨出案件的关键命名实体是本文的研究重点.因此本文针对财产纠纷审判案件，提出了一种基于SVM-BiLSTM-CRF的神经网络模型.首先利用SVM筛选出包含关键命名实体的句子，然后将正确包含此类实体的句子转化为字符级向量作为输入，构建适合财产纠纷裁判文书命名实体识别的BiLSTM-CRF深层神经网络模型.通过构建训练数据进行验证和对比，该模型比其他相关模型表现出更高的召回率和准确率.
2021-10-31 16:58:52
1.1MB
1
mynlp：一个生产级，高性能，预定，可扩展的中文NLP工具包。（中文分词，平均感知机，fastText，拼音，新词发现，分词纠错，BM25，人名识别，命名实体，自定义词典）
2021-10-26 17:08:50
1.16MB
1