用深度學習做命名實體識別(六)-BERT介紹
什么是BERT？ BERT,全稱是Bidirectional Encoder Representations from Transformers。可以理解為一種以Transformers為主要框架的 ...
原文：用深度學習做命名實體識別(七)-CRF介紹
還記得之前介紹過的命名實體識別系列文章嗎，可以從句子中提取出人名 地址 公司等實體字段，當時只是簡單提到了BERT CRF模型，BERT已經在上一篇文章中介紹過了，本文將對CRF做一個基本的介紹。本文盡可能不涉及復雜晦澀的數學公式，目的只是快速了解CRF的基本概念以及其在命名實體識別等自然語言處理領域的作用。 什么是CRF CRF，全稱 Conditional Random Fields，中文名 ...
2019-10-17 12:38 0 1255 推薦指數：
相關推薦
用CRF做命名實體識別(二)
用CRF做命名實體識別(一) 用CRF做命名實體識別(三) 一. 摘要 本文是對上文用CRF做命名實體識別(一)做一次升級。多添加了5個特征(分別是詞性，詞語邊界，人名，地名，組織名指示詞)，另外還修改了特征模板，最終訓練了11個小時，F1值為0.98。(這里面有錯誤，計算F1值不應該 ...
用深度學習做命名實體識別(附代碼)
基於CRF做命名實體識別系列 用CRF做命名實體識別(一) 用CRF做命名實體識別(二) 用CRF做命名實體識別(三) 摘要 1. 之前用CRF做了命名實體識別，效果還可以，最高達到0.9293，當然這是自己用sklearn寫的計算F1值，后來用conlleval.pl對CRF測試結果進行 ...
用深度學習做命名實體識別(四)——模型訓練
通過本文你將了解如何訓練一個人名、地址、組織、公司、產品、時間，共6個實體的命名實體識別模型。 訓練建議在GPU上進行，如果你沒有GPU訓練環境，或者你想要一個訓練好的模型，可以加作者微信(jiabao512859468)，有任何相關技術問題，都歡迎和作者探討O(∩_∩)O ...
用深度學習做命名實體識別(五)-模型使用
通過本文，你將了解如何基於訓練好的模型，來編寫一個rest風格的命名實體提取接口，傳入一個句子，接口會提取出句子中的人名、地址、組織、公司、產品、時間信息並返回。 核心模塊entity_extractor.py 關鍵函數 完整代碼 編寫rest風格的接口 我們將采用 ...
命名實體識別 BiLSTM——CRF
本篇文章假設你已有lstm和crf的基礎。 BiLSTM+softmax lstm也可以做序列標注問題。如下圖所示： 雙向lstm后接一個softmax層，輸出各個label的概率。那為何還要加一個crf層呢？ 我的理解是softmax層的輸出是相互獨立的，即雖然BiLSTM學習到了 ...