基于bert的命名实体识别,pytorch实现,支持中文/英文【源学计划】

声明:为了帮助初学者快速入门和上手,开始源学计划,即通过源代码进行学习。该计划收取少量费用,提供有质量保证的源码,以及详细的使用说明。

基于bert与语料模型在多个NLP任务上取的不错效果,包括在命名实体识别(name entity recognition)上,在bert之前,主要采用的模型是Bi-lstm + CRF的方式,取得了不错效果。

Bert横空出世后,至今已经深度侵入到序列标注类任务,并取得最好效果。当然命名实体也不例外,取得了很好的效果。

本文最后提供pytorch-bert-ner,顾名思义, 基于bert的命名实体识别,pytorch实现,最重要的是支持中文或者中英文结合的ner任务。

pytorch-bert-ner算法实现忠于bert论文,无CRF层

可以让入门者或者不熟悉该领域又有实体识别任务的人,快速入门掌握。下面是该算法实现项目截图。感兴趣请加qq:2091395524获取源码。

基于bert的命名实体识别,pytorch实现,支持中文/英文【源学计划】

基于bert的命名实体识别,pytorch实现,支持中文/英文【源学计划】

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zydzgj.html