JMDang / ner_paddle
基于paddle框架实现的命名实体识别工具,简单上手,快速实现,方便部署,包括ernie/bert+mrc,ernie/bert+crf,lstm/gru/bilstm/bigru + crf 的命名实体识别的实现
☆9Updated 5 months ago
Alternatives and similar repositories for ner_paddle:
Users that are interested in ner_paddle are comparing it to the libraries listed below
- 使用bert进行关系三元组抽取。☆155Updated last year
- 中文信息抽取,包含实体抽取、关系抽取、事件抽取☆242Updated last year
- 利用指针网络进行信息抽取,包含命名实体识别、关系抽取、事件抽取。☆123Updated 2 years ago
- 本项目旨在结合知识图谱技术和先进的大语言模型,构建一个能够深入理解用户问题并提供准确、有逻辑性回答的智能问答系统。☆55Updated 10 months ago
- 实体关系抽取pipline方式,使用了BiLSTM+CRF+BERT☆139Updated 10 months ago
- ☆132Updated 4 months ago
- ☆77Updated last year
- 毕业设计(医疗问答系统)☆25Updated 3 years ago
- OneRel在中文关系抽取中的使用☆119Updated last year
- 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。☆421Updated 4 months ago
- 命名实体识别(中文)☆31Updated 2 years ago
- LLM for NER☆68Updated 8 months ago
- 基于pytorch的中文三元组提取(命名实体识别+关系抽取)☆345Updated last year
- 基于知识图谱的问答系统设计与实现,附带一个可视化的demo☆120Updated last year
- albert-fc for RE(Relation Extraction),中文关系抽取☆18Updated last year
- ☆36Updated 2 years ago
- 医药知识图谱自动问答系统实现,包括构建知识图谱、基于知识图谱的流水线问答以及前端实现。实体识别(基于词典+BERT_CRF)、实体链接(Sentence-BERT做匹配)、意图识别(基于提问词+领域词词典)。☆298Updated 3 years ago
- Implemention of NER model on chinese dataset.☆70Updated 2 years ago
- 基于ERNIE的中文NER☆36Updated 2 years ago
- CMeIE/CBLUE/CHIP/实体关系抽取/SPO抽取☆227Updated 2 years ago
- CMeEE/CBLUE/NER实体识别☆127Updated 2 years ago
- 基于论文SpERT: "Span-based Entity and Relation Transformer"的中文关系抽取,同时抽取实体、实体类别和关系类别。☆34Updated 2 years ago
- 爬取金融数据,利用neo4j构建金融知识图谱,进而搭建金融问答系统。☆63Updated 2 years ago
- 使用Pytorch框架对NLP方向上的文本分类、实体识别、三元组抽取做代码实战☆175Updated 11 months ago
- Reimplement CasRel model in PyTorch.使用PyTorch对吉林大学CasRel模型进行复现,并在百度关系抽取数据集上训练测试。☆191Updated 2 years ago
- 基于词汇信息融合的中文NER模型☆166Updated 3 years ago
- 基于pytorch + bert的多标签文本分类(multi label text classification)☆103Updated last year
- 这是2022年生医杯中文电子病历命名实体识别与关系抽取的项目☆25Updated 2 years ago
- 基于Pytorch的命名实体识别框架,支持LSTM+CRF、Bert+CRF、RoBerta+CRF等框架☆85Updated last year
- 使用bert进行事件抽取。☆44Updated last year