CLOVEXCWZ / NER_DEMO
中文命名实体识别NER。用keras实现BILSTM+CRF、IDCNN+CRF、BERT+BILSTM+CRF进行实体识别。结果当然是BERT+BILSTM+CRF最好啦。
☆286Updated 5 years ago
Alternatives and similar repositories for NER_DEMO:
Users that are interested in NER_DEMO are comparing it to the libraries listed below
- 基于BI-LSTM+CRF的中文命名实体识别 Pytorch☆383Updated last year
- ChineseNER based on BERT, with BiLSTM+CRF layer☆444Updated 3 years ago
- 基于BERT+BiLSTM+CRF实现中文命名实体识别☆141Updated 4 years ago
- 基于Tensorflow2.3开发的NER模型,都是CRF范式,包含Bilstm(IDCNN)-CRF、Bert-Bilstm(IDCNN)-CRF、Bert-CRF,可微调预训练模型,可对抗学习,用于命名实体识别,配置后可直接运行。☆412Updated last month
- 实体识别和关系抽取的联合模型☆121Updated 6 years ago
- 中文关系抽取☆135Updated 6 years ago
- 基于Pytorch的BERT-IDCNN-BILSTM-CRF中文实体识别实现☆88Updated 2 years ago
- 2019百度的关系抽取比赛,使用Pytorch实现苏神的模型,F1在dev集可达到0.75,联合关系抽取,Joint Relation Extraction.☆313Updated 4 years ago
- Named Recognition Entity based on BERT and CRF 基于BERT+CRF的中文命名实体识别☆183Updated 2 years ago
- 使用谷歌预训练bert做字嵌入的BiLSTM-CRF序列标注模型☆472Updated 5 years ago
- 基于BERT的中文命名实体识别☆394Updated 5 years ago
- 基于远监督的中文关系抽取☆383Updated 3 years ago
- 中文NER的那些事儿☆316Updated last year
- Pytorch BERT-BiLSTM-CRF For NER☆408Updated 4 years ago
- bert-bilstm-crf implemented in pytorch for named entity recognition.☆275Updated 3 years ago
- 基于BIO模式的序列标注工具-可用于命名实体识别、事件触发词识别等任务的数据标注☆71Updated 4 years ago
- CCKS 2020:新冠知识图谱构建与问答评测(四)新冠知识图谱问答评测☆215Updated 4 years ago
- 结合BERT+GRU+ATT模型,对自己收集的人物关系数据进行模型训练,用于人物关系抽取。☆317Updated last year
- Code for http://lic2019.ccf.org.cn/kg 信息抽取。使用基于 BERT 的实体抽取和关系抽取的端到端的联合模型。☆286Updated 5 years ago
- 知识图谱三元组抽取(实体-关系-实体,实体-属性-属性值)☆104Updated 3 years ago
- 实体关系抽取pipline方式,使用了BiLSTM+CRF+BERT☆131Updated 7 months ago
- 科大讯飞2020事件抽取挑战赛第一名解决方案&完整事件抽取系统☆538Updated 4 years ago
- 基于pytorch的中文三元组提取(命名实体识别+关系抽取)☆339Updated last year
- 本项目用于展示三元组抽取后形成的知识图谱,包括几本小说的实体关系,以及README.md,介绍这方面的一篇文章。☆192Updated 4 years ago
- ☆34Updated 4 years ago
- 中文关系抽取☆446Updated last year
- Reject complicated operations for incorporating lexicon for Chinese NER.☆436Updated 3 years ago
- 限定领域的三元组抽取的一次尝试,本文将会介绍笔者在2019语言与智能技术竞赛的三元组抽取比赛方面的一次尝试。☆133Updated last year
- multi-label-classification-4-event-type☆131Updated last year
- 实体关系抽取,使用了百度比赛的数据集。使用pytorch实现MultiHeadJointEntityRelationExtraction,包含Bert、Albert、gru的使用,并且添加了对抗训练。最后使用Flask和Neo4j图数据库对模型进行了部署☆120Updated last year