文件名称：anago：双向LSTM-CRF和ELMo用于命名实体识别，词性标记等
文件大小：5.91MB
文件格式：ZIP
更新时间：2024-02-23 21:22:41
machine-learning natural-language-processing deep-learning keras named-entity-recognition
anaGo anaGo是在Keras中实现的用于序列标记（NER，PoS标记等）的Python库。 anaGo可以解决序列标记任务，例如命名实体识别（NER），词性标记（POS标记），语义角色标记（SRL）等。 与传统的序列标签求解器不同，anaGo不需要定义任何语言相关的功能。 因此，我们可以轻松地将anaGo用于任何语言。 作为anaGo的示例，下图显示了英语的命名实体识别： 开始使用 在anaGo中，最简单的模型类型是Sequence模型。 序列模型包括诸如fit ， score ， analyze和save / load类的基本方法。 对于更复杂的功能，您应该使用anaGo模块，例如models ， preprocessing等。 这是数据加载器： >> > from anago . utils import load_data_and_labels >> > x_train , y_train = load_data_and_labels ( 'train.txt' ) >> > x_test , y_test = load_data_and_labels ( 't
【文件预览】：
anago-master
----MANIFEST.in(26B)
----docs()
--------images()
--------docs()
--------mkdocs.yml(172B)
----anago()
--------preprocessing.py(8KB)
--------models.py(8KB)
--------callbacks.py(1KB)
--------utils.py(7KB)
--------__init__.py(101B)
--------trainer.py(2KB)
--------wrapper.py(6KB)
--------layers.py(25KB)
--------tagger.py(4KB)
----data()
--------conll2003()
--------glove.6B()
----ISSUE_TEMPLATE.md(821B)
----tests()
--------test_utils.py(3KB)
--------test_trainer.py(3KB)
--------__init__.py(0B)
--------test_model.py(2KB)
--------test_tagger.py(2KB)
--------test_wrapper.py(4KB)
--------test_preprocess.py(6KB)
----tox.ini(65B)
----LICENSE(1KB)
----requirements.txt(488B)
----examples()
--------ner_glove.py(814B)
--------elmo_example.py(3KB)
--------download_model.py(572B)
--------ner_word2vec.py(815B)
--------training_example.py(3KB)
--------tagger_example.py(1KB)
----setup.py(2KB)
----.gitignore(3KB)
----README.md(5KB)