文件名称：sequence_tagging：命名实体识别（LSTM + CRF）-Tensorflow
文件大小：21KB
文件格式：ZIP
更新时间：2024-02-27 10:34:44
tensorflow crf named-entity-recognition glove ner
使用Tensorflow命名实体识别 此仓库使用Tensorflow（LSTM + CRF +字符嵌入）实现NER模型。 一流的表现（F1分数在90到91之间）。 查看 任务 给定一个句子，给每个单词加上标签。 经典应用程序是命名实体识别（NER）。 这是一个例子 John lives in New York B-PER O O B-LOC I-LOC 模型 与类似 还有。 在字符嵌入上连接bistm的最终状态，以获得每个单词的基于字符的表示 将此表示形式连接到标准字向量表示形式（此处为Glove） 在每个句子上运行一个bistlm以提取每个单词的上下文表示 用线性
【文件预览】：
sequence_tagging-master
----build_data.py(2KB)
----train.py(753B)
----LICENSE.txt(11KB)
----model()
--------config.py(3KB)
--------data_utils.py(11KB)
--------ner_model.py(13KB)
--------__init__.py(0B)
--------general_utils.py(5KB)
--------base_model.py(5KB)
----requirements.txt(30B)
----README.md(3KB)
----makefile(202B)
----data()
--------test.txt(819B)
----evaluate.py(2KB)
----.gitignore(51B)