文件名称：bert-sklearn：Google BERT模型的sklearn包装器
文件大小：572KB
文件格式：ZIP
更新时间：2024-02-24 12:17:56
nlp natural-language-processing scikit-learn pytorch named-entity-recognition
scikit-learn包装器对BERT进行微调 一个scikit-learning包装器，可基于端口模型，以执行文本和令牌序列任务。 包括可配置的MLP作为文本和文本对任务的最终分类器/回归器 包括用于NER，PoS和分块任务的令牌序列分类器 包括针对科学和生物医学领域的和训练模型。 在尝试！ 安装 需要python> = 3.5和pytorch> = 0.4.1 git clone -b master https://github.com/charles9n/bert-sklearn cd bert-sklearn pip install . 基本操作 model.fit(X,y)即
【文件预览】：
bert-sklearn-master
----bert_sklearn()
--------utils.py(8KB)
--------data()
--------model()
--------finetune.py(7KB)
--------__init__.py(249B)
--------sklearn.py(29KB)
--------config.py(4KB)
----other_examples()
--------ner_english.ipynb(28KB)
--------chunker_english.ipynb(35KB)
--------conlleval.pl(12KB)
--------ner_chinese.ipynb(27KB)
--------ner_NCBI_disease_BioBERT_SciBERT.ipynb(82KB)
--------IMDb.ipynb(19KB)
----tests()
--------run_classifier_dataset_utils.py(19KB)
--------run_classifier.py(26KB)
--------data()
--------test_bert_sklearn.py(8KB)
--------comparison_test.ipynb(13KB)
----LICENSE(11KB)
----demo_tuning_hyperparams.ipynb(26KB)
----setup.py(964B)
----demo.ipynb(100KB)
----glue_examples()
--------QNLI.ipynb(15KB)
--------QQP.ipynb(15KB)
--------RTE.ipynb(10KB)
--------MNLI.ipynb(22KB)
--------MRPC.ipynb(10KB)
--------glue_data()
--------SST-2.ipynb(13KB)
--------download_glue_data.py(8KB)
--------README.md(2KB)
--------STS-B.ipynb(10KB)
--------CoLA.ipynb(9KB)
----Options.md(4KB)
----README.md(7KB)