使用任务感知语言模型增强序列标记-Python开发

【文件属性】：
文件名称：使用任务感知语言模型增强序列标记-Python开发
文件大小：160KB
文件格式：ZIP
更新时间：2021-05-25 17:01:12
Python Deep Learning LM-LSTM-CRF检查我们的新NER工具包推断：LightNER：推断w。 预先训练/训练过的模型w。 任何以下有效的工具。 培训：LD-Net：培训LM-LSTM-CRF检查我们的新NER工具包推断：LightNER：推断w。 预先训练/训练过的模型w。 任何以下有效的工具。 培训：LD-Net：培训NER模型w。 有效的情境化表示。 VanillaNER：训练香草NER模型w。 预训练的嵌入。 远程培训：AutoNER：通过逐行注释来培训NER模型并获得有竞争力的表现。 该项目提供了高性能的字符识别序列标记工具，包括

【文件预览】：
LM-LSTM-CRF-master
----.gitignore(1KB)
----README.md(9KB)
----eval_wc.py(3KB)
----train_w.py(14KB)
----docs()
--------source()
--------Makefile(640B)
--------framework.png(119KB)
----LICENSE(11KB)
----eval_w.py(3KB)
----train_wc.py(16KB)
----model()
--------lm_lstm_crf.py(10KB)
--------predictor.py(10KB)
--------utils.py(30KB)
--------evaluator.py(9KB)
--------__init__.py(201B)
--------ner_dataset.py(3KB)
--------lstm_crf.py(4KB)
--------crf.py(14KB)
--------highway.py(2KB)
----seq_w.py(3KB)
----requirements.txt(101B)
----seq_wc.py(3KB)