文件名称：LexiconNER：基于词典的命名实体识别
文件大小：5MB
文件格式：ZIP
更新时间：2024-02-24 12:26:56
nlp ai ner pythoon NaturallanguageprocessingPython
词库
这是在ACL 2019上发布的“”的实现。这项工作的重点是它仅使用实体词典执行NER，而没有任何标签数据。
顺便说一下，我们最近出版了另一本与中文NER相关的作品。 它旨在通过词典增强中文NER。 这项工作的重点是它具有很高的计算效率，同时与现有方法相比，具有可比性或更好的性能。 您可以在访问该作品的源代码及其相关论文的超链接。
设置并运行
下载Gloves.6B.100d.txt
环境
pytorch 1.1.0 python 3.6.4 cuda 8.0
运行代码说明
短语一
【文件预览】：
LexiconNER-master
----.gitignore(154B)
----feature_pu_model_evl.py(4KB)
----README.md(5KB)
----utils()
--------plain_model_utils.py(6KB)
--------.gitkeep(1B)
--------adaptive_pu_model_utils.py(13KB)
--------dict_utils.py(2KB)
--------data_utils.py(15KB)
--------feature_pu_model_utils.py(12KB)
----adaptive_pu_model.py(18KB)
----AIS_彭敏龙_Name_Entity_Recognition_using_Positive_Unlabeled_Learning.pptx(705KB)
----ada_dict_generation.py(8KB)
----feature_dictionary()
--------.gitkeep(1B)
--------conll2003()
----LICENSE(11KB)
----dictionary()
--------.gitkeep(1B)
--------conll2003()
----feature_pu_model.py(17KB)
----saved_model()
--------.gitkeep(1B)
----.idea()
--------vcs.xml(180B)
----final_evl.py(6KB)
----paper()
--------.gitkeep(1B)
--------Named_Entity_Recognition_with_Positive_Unlabeled_learning.pdf(365KB)
--------Appendix_of_Named_Entity_Recognition_with_Positive_Unlabeled_learning.pdf(157KB)
----sub_model.py(15KB)
----data()
--------conll2003()
----dict_match.py(6KB)