基于BERT-BiLSTM-CRF模型的中文实体识别
命名实体识别是自然语言处理的一项关键技术. 基于深度学习的方法已被广泛应用到中文实体识别研究中. 大多数深度学习模型的预处理主要注重词和字符的特征抽取, 却忽略词上下文的语义信息, 使其无法表征一词多义, 因而实体识别性能有待进一步提高. 为解决该问题, 本文提出了一种基于BERT-BiLSTM-CRF模型的研究方法. 首先通过BERT模型预处理生成基于上下文信息的词向量, 其次将训练出来的词向量输入BiLSTM-CRF模型做进一步训练处理. 实验结果表明, 该模型在MSRA语料和人民日报语料库上都达到相当不错的结果, F1值分别为94.65%和95.67%.
文件下载
评论信息
其他资源
- FineUI权限管理系统（专业版）
- 基于训练卷积神经网络的人脸识别设计.zip
- casia数据集-清洗过后的人脸数据集
- 编程珠玑（第二版）中文高清pdf
- GrADS计算水汽通量
- 基于SSM的博客系统
- 预测控制matlab工具箱
- Office Password Recovery Toolbox v4.0.0.3 完美脱壳破解版5s破解
- 基于神经网络集成的单个飞行事件噪声预测模型
- CAD知识点.txt
- GB∕T 19215.3-2012 电气安装用电缆槽管系统第2部分：特殊要求 第2节：安装在地板下和与地板齐平的电缆槽管系统.pdf
- 【093期】社交回避及苦恼量表.docx
- necp再分析数据下载
- 最小最干净的WinPE
- VB中MSFLEXGRID控件网格单元可编辑功能的实现
- eCharts格网统计图
- 操作系统课程设计生产者和消费者问题源代码
- DBCP需要的jar包
- fvwm中文手册(PDF)
- jna-4.2.1.jar
- 学生选课和管理系统(使用vb2008和SQL_Server_2008)
- Handbook of Statistical Analysis and Data Mining Applications
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明