percent4 / keras_bert_multi_label_cls
本项目采用Keras和Keras-bert实现文本多标签分类任务,对BERT进行微调。
☆65Updated 3 years ago
Related projects ⓘ
Alternatives and complementary repositories for keras_bert_multi_label_cls
- bert pytorch模型微调用于的多标签文本分类☆125Updated 5 years ago
- 多标签文本分类☆53Updated 5 years ago
- 利用ALBERT实现文本二分类,判别是否属于政治上的出访类事件,提升模型训练和预测速度。☆73Updated last year
- 在bert模型的pre_training基础上进行text_cnn文本分类☆78Updated 4 years ago
- Bert预训练模型fine-tune计算文本相似度☆97Updated last year
- multi-label-classification-4-event-type☆130Updated last year
- 利用bert预训练模型生成句向量或词向量☆28Updated 4 years ago
- multi-label,classifier,text classification,多标签文本分类,文本分类,BERT,ALBERT,multi-label-classification,seq2seq,attention,beam search☆32Updated 2 years ago
- multi-label,classifier,text classification,多标签文本分类,文本分类,BERT,ALBERT,multi-label-classification☆140Updated 3 years ago
- Pytorch进行长文本分类。这里用到的网络有:FastText、TextCNN、TextRNN、TextRCNN、Transformer☆44Updated 4 years ago
- 实体识别和关系抽取的联合模型☆121Updated 5 years ago
- BERT-BiLSTM-CRF的Keras版实现☆41Updated 5 years ago
- 微调预训练语言模型,解决多标签分类任务(可加载BERT、Roberta、Bert-wwm以及albert等知名开源tf格式的模型)☆138Updated 4 years ago
- 文本二分类任务,是否文档是否属于政治上的出访类事件,利用BERT提取特征,模型采用简单的DNN。☆63Updated 4 years ago
- pytorch implementation of multi-label text classification, includes kinds of models and pretrained. Especially for Chinese preprocessing.☆71Updated 4 years ago
- 基于Pytorch实现的一些经典自然语言处理模型中文短文本分类任务,包含TextCNN,TextRCNN,FastText,BERT,ROBERT以及ERNIE☆51Updated 4 years ago
- 基于Pytorch的BERT-IDCNN-BILSTM-CRF中文实体识别实现☆85Updated 2 years ago
- 多标签文本分类☆28Updated 2 years ago
- NLP关系抽取:序列标注、层叠式指针网络、Multi-head Selection、Deep Biaffine Attention☆99Updated 3 years ago
- ccks2020 NER competitions☆114Updated 4 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)☆135Updated 2 years ago
- 自然语言处理中的基础任务,包含但不限于文本表示,文本分类,命名实体识别,关系抽取,文本生成,文本摘要等,基于tensorflow2或Pytorch,所有代码均经过测试,项目中也包含相关数据。☆135Updated 2 years ago
- 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 3 years ago
- 本NER项目包含多个中文数据集,模型采用BiLSTM+CRF、BERT+Softmax、BERT+Cascade、BERT+WOL等,最后用TFServing进行模型部署,线上推理和线下推理。☆78Updated 3 years ago
- SEBERTNets:一种面向金融领域的事件主体抽取方法☆193Updated 2 years ago
- Named Recognition Entity based on BERT and CRF 基于BERT+CRF的中文命名实体识别☆180Updated last year
- Chinese NER using BiLSTM/BERT + CRF☆61Updated 3 years ago
- ☆33Updated 4 years ago
- NER任务SOTA模型BERT_MRC☆59Updated 7 months 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