文件名称：双向LSTM-CNN的命名实体识别：双向LSTM-CNN的命名实体识别
文件大小：1.05MB
文件格式：ZIP
更新时间：2024-02-27 01:23:33
tensorflow word-embeddings keras cnn named-entity-recognition
更好的NER 具有双向LSTM-CNN的命名实体识别 命名实体识别的双向LSTM_CNN的keras实现。 原始论文可以在找到 该实现与原始论文的不同之处在于： 不考虑词典 使用存储桶可加快培训速度 使用nadam优化程序代替SGD 结果 该模型在约70个时期内产生90.9％的测试F1得分。 对于给定的体系结构，本文产生的结果是91.14体系结构（带有emb + caps的BILSTM-CNN） 数据集 conll-2003 论文网络模型 使用Keras构建网络模型 运行脚本 python3 nn.py 要求 0) nltk 1) numpy 2) Keras==2.1.2 3) T
【文件预览】：
Named-Entity-Recognition-with-Bidirectional-LSTM-CNNs-master
----ner.py(4KB)
----validation.py(2KB)
----.gitignore(701B)
----model_on_paper.png(48KB)
----data()
--------test.txt(731KB)
--------train.txt(3.13MB)
--------valid.txt(808KB)
----embeddings()
--------readme.md(103B)
----char_embeddings.png(29KB)
----prepro.py(4KB)
----models()
--------.gitkeep(0B)
----LICENSE(34KB)
----README.md(2KB)
----model.png(49KB)
----nn.py(6KB)
----.gitattributes(378B)