文件名称：stack-lstm-ner:基于过渡的NER系统
文件大小：20KB
文件格式：ZIP
更新时间：2024-05-31 07:40:38
pytorch named-entity-recognition transition-based Python
Stack-Lstm-ner 基于过渡的NER系统的PyTorch实现[1]。 要求 Python 3.x PyTorch 0.3.0 任务 给定一个句子，给每个单词加上标签。 经典的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 相应的动作顺序 SHIFT REDUCE(PER) OUT OUT SHIFT SHIFT REDUCE(LOC) 资料格式 训练数据必须采用以下格式（与CoNLL2003数据集相同）。 提供了默认的测试文件以帮助您入门。 John B-PER lives O in O New B-LOC York I-LOC . O 训练 要训练模型， train.py使用以下参数运行train.py ： --rand_embedding
【文件预览】：
stack-lstm-ner-master
----model()
--------batch_stack_lstm.py(21KB)
--------utils.py(17KB)
--------evaluate.py(5KB)
--------__init__.py(0B)
--------stack_lstm.py(15KB)
----train.py(14KB)
----predict.py(3KB)
----.gitignore(1KB)
----README.md(3KB)