文件名称：NER的弱监督：使用弱监督学习没有标签数据的命名实体识别模型的框架
文件大小：13.18MB
文件格式：ZIP
更新时间：2024-02-24 12:29:40
python nlp natural-language-processing weak-supervision spacy
对NER的监管不力 与ACL 2020接受的论文“没有标签数据的命名实体识别：弱监督方法”相关的源代码。 要求： 您首先应该确保安装以下Python软件包： spacy （版本> = 2.2） hmmlearn snips-nlu-parsers pandas numba scikit-learn 您还应该在Spacy中安装en_core_web_sm和en_core_web_md模型。 要在ner.py运行神经模型，还需要安装pytorch ， cupy ， keras和tensorflow 。 要运行基线，您还需要安装snorkel 。 最后，您还需要下载以下文件并将
【文件预览】：
weak-supervision-for-NER-master
----README.md(2KB)
----Weak supervision.ipynb(313KB)
----annotations.py(75KB)
----utils.py(5KB)
----ner.py(21KB)
----data()
--------geonames.json(269KB)
--------crunchbase.json(30.86MB)
--------hmm.png(79KB)
--------first_names.json(72KB)
--------products.json(832KB)
--------form_frequencies.json(12.37MB)
----spacy_wrapper.py(18KB)
----analysis.py(15KB)
----labelling.py(29KB)
----mixtures()
--------MixtureModelsNER.R(34KB)
--------param.csv(110B)