jiluojiluo / Bert-Chinese-Text-Classification-Pytorch-transformers
Bert-Chinese-Text-Classification-Pytorch-master
☆9Updated last year
Related projects: ⓘ
- 基于pytorch + bert的多标签文本分类(multi label text classification)☆83Updated last year
- 基于PyTorch的BERT中文文本分类模型(BERT Chinese text classification model implemented by PyTorch)☆152Updated 6 months ago
- 超长文本分类(大于1000字);文档级/篇章级文本分类;主要是解决长距离依赖问题☆116Updated 2 years ago
- SimCSE中文语义相似度对比学习模型☆72Updated 2 years ago
- 毕业设计:基于Bert_Position_BiLSTM_Attention_CRF_LSTMDecoder的法律文书要素识别☆47Updated 3 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☆72Updated last year
- 基于词汇信息融合的中文NER模型☆159Updated 2 years ago
- 中文信息抽取,包含实体抽取、关系抽取、事件抽取☆220Updated last year
- 本人项目进行中搜集的数据集,包含原始数据和经过处理后的数据,项目持续更新。☆106Updated 3 years ago
- Using BERT+Bi-LSTM+CRF☆132Updated 2 years 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。☆180Updated last year
- bert pytorch模型微调用于的多标签文本分类☆120Updated 4 years ago
- Implemention of NER model on chinese dataset.☆64Updated last year
- 全局指针统一处理嵌套与非嵌套NER的Pytorch实现☆376Updated last year
- pytorch实现 基于Bert+BiLSTM+CRF的中文命名实体识别☆41Updated 3 years ago
- 这段代码会根据用户定义的正则表达式规则从文本中抽取属性三元组,我用它完成知识图谱构建的一个环节,使用方法写在README中,欢迎交流和指正!☆11Updated 3 years ago
- 基于Pytorch的文本分类框架,支持TextCNN、Bert、Electra等。☆55Updated last year
- 基于pytorch+bert的中文文本分类☆75Updated last year
- OneRel在中文关系抽取中的使用☆113Updated 11 months ago
- 基于GOOGLE T5中文生成式模型的摘要生成/指代消解,支持batch批量生成,多进程☆214Updated 10 months ago
- Relation Extraction 论文复现☆48Updated 4 years ago
- 存放知乎,博客发表文章中的代码☆45Updated 2 years ago
- 中文二分类,bert+TextCNN 两种实现方法☆17Updated last year
- 无监督中文关键词抽取(Keyphrase Extraction),基于统计,基于图【LDA与PageRank(TextRank, TPR, Salience Rank, Single TPR等)】,基于嵌入【SIFRank等】,开箱即用!☆100Updated 2 years ago
- 基于Pytorch+BERT+CRF的NLP序列标注模型,目前包括分词,词性标注,命名实体识别等☆56Updated last year
- 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。☆29Updated last year
- CMeIE/CBLUE/CHIP/实体关系抽取/SPO抽取☆207Updated 2 years ago
- 基于Pytorch的BERT-IDCNN-BILSTM-CRF中文实体识别实现☆83Updated 2 years ago
- 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☆112Updated last year