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。