feifan-lin / ALBERT-BiLSTM-CRF-NER
Tensorflow 1.x solution for chinese NER task, using ALBERT-LSTM-CRF model
☆17Updated 5 years ago
Alternatives and similar repositories for ALBERT-BiLSTM-CRF-NER
Users that are interested in ALBERT-BiLSTM-CRF-NER are comparing it to the libraries listed below
Sorting:
- 本项目是NLP领域一些任务的基准模型实现,包括文本分类、命名实体识别、实体关系抽取、NL2SQL、CKBQA以及BERT的各种下游任务应用。☆47Updated 4 years ago
- 基于ALBERT-BiLSTM-CRF的中文命名实体识别☆11Updated 4 years ago
- 达观算法比赛ner任务,从重新训练bert,到finetune预测。☆75Updated 2 years ago
- ☆17Updated 6 years ago
- 2020语言与智能技术竞赛:关系抽取任务☆65Updated 4 years ago
- ☆15Updated 3 years ago
- albert + lstm + crf实体识别,pytorch实现。识别的主要实体是人名、地名、机构名和时间。albert + lstm + crf (named entity recognition)☆136Updated 2 years ago
- A very simple BiLSTM-CRF model for Chinese Named Entity Recognition 中文命名实体识别 (TensorFlow)☆17Updated 6 years ago
- 电子病历实体命名识别☆36Updated 6 years ago
- 利用Bert_CRF进行中文分词☆19Updated 5 years ago
- 中文命名实体识别& 中文命名实体检测 python实现 基于字+ 词位 分别使用tensorflow IDCNN+CRF 及 BiLSTM+CRF 搭配词性标注实现中文命名实体识别及命名实体检测☆64Updated 6 years ago
- 复现论文《Simplify the Usage of Lexicon in Chinese NER》☆42Updated 4 years ago
- 关系抽取个人实战总结以及开源工具包使用☆56Updated 6 years ago
- 基于知识图谱的中文问答系统(EA-CKGQA)☆37Updated 5 years ago
- lic2020关系抽取比赛,使用Pytorch实现苏神的模型。☆101Updated 4 years ago
- 中国中文信息学会社会媒体处理专业委员会举办的2019届中文人机对话之自然语言理解竞赛☆74Updated 5 years ago
- 天池大赛疫情文本挑战赛☆49Updated 5 years ago
- 迭代膨胀卷积命名实体抽取☆45Updated 5 years ago
- 实现了一下multi-head-selection联合关系实体抽取☆30Updated 5 years ago
- 通用kbqa,训练数据来源于ccks2018和2019,图谱数据爬取于百度百科☆24Updated 4 years ago
- 2019百度语言与智能技术竞赛信息抽取赛代5名代码☆69Updated 5 years ago
- NLP tools, word segmentation, sentence segmentation, New-Word-Discovery,新词发现☆25Updated last year
- NLP实验:新词挖掘+预训练模型继续Pre-training☆47Updated last year
- 在bert模型的pre_training基础上进行text_cnn文本分类☆78Updated 5 years ago
- 嵌套命名实体识别 Nested NER☆20Updated 3 years ago
- 实体链接demo☆65Updated 6 years ago
- ☆30Updated 5 years ago
- 基于知识库的问答系统。其中使用带注意力机制的对抗迁移学习做中文命名实体识别,使用BERT模型做句子相似度分析。☆37Updated 5 years ago
- Bert中文文本分类☆40Updated 6 years ago
- 使用ALBERT预训练模型,用于识别文本中的时间,同时验证模型的预测耗时是否有显著提升。☆56Updated 5 years ago