文件名称：Python-用BERT进行序列标记和文本分类的模板代码
文件大小：2.47MB
文件格式：ZIP
更新时间：2022-08-30 00:08:37
Python开发-自然语言处理
这是使用BERT进行序列注释和文本分类的模板代码，方便大家将BERT用于更多任务。欢迎使用这个BERT模板解决更多NLP任务，然后在这里分享你的结果和代码。
【文件预览】：
BERT-for-Sequence-Labeling-and-Text-Classification-master
----bert()
--------run_squad.py(45KB)
--------multilingual.md(11KB)
--------tokenization.py(12KB)
--------run_classifier.py(34KB)
--------run_pretraining.py(18KB)
--------create_pretraining_data.py(15KB)
--------modeling.py(37KB)
--------tokenization_test.py(4KB)
--------requirements.txt(110B)
--------extract_features.py(14KB)
--------__init__.py(616B)
--------optimization_test.py(2KB)
--------optimization.py(6KB)
--------modeling_test.py(9KB)
--------CONTRIBUTING.md(1KB)
--------sample_text.txt(4KB)
--------LICENSE(11KB)
--------README.md(42KB)
--------run_classifier_with_tfhub.py(9KB)
--------predicting_movie_reviews_with_bert_on_tf_hub.ipynb(65KB)
--------.gitignore(1KB)
----pretrained_model()
--------uncased_L-12_H-768_A-12()
----run_sequence_labeling.py(34KB)
----Usage example 使用方法示例.ipynb(11KB)
----output()
--------atis_join_task_epoch10_test1399ckpt()
--------conll2003ner_epoch3_test653ckpt()
--------snips_join_task_epoch10_test4088ckpt()
--------score_summarization.py(868B)
----run_slot_intent_join_task_LSTM.py(46KB)
----LICENSE(11KB)
----README.md(5KB)
----data()
--------snips_Intent_Detection_and_Slot_Filling()
--------atis_Intent_Detection_and_Slot_Filling()
--------CoNLL2003_NER()
----calculate_model_score.py(25KB)
----calculating_model_score()
--------tf_metrics.py(8KB)
--------calculate_atis_intent.py(1KB)
--------calculate_snips_slot.py(5KB)
--------sklearn_metrics_function.py(2KB)
--------snips_sequence_labeling_and_text_classification_test7()
--------calculate_snpis_intent.py(858B)
--------snips_join_task_epoch10_test4088ckpt()
--------calculate_snips_intent_and_slot_new.py(6KB)
--------calculate_snips_intent_and_slot.py(7KB)
--------calculate_model_score.py(12KB)
--------calculate_atis_slot.py(10KB)
----run_sequence_labeling_and_text_classification.py(45KB)
----run_text_classification.py(40KB)