percent4 / multi-label-classification-4-event-type
multi-label-classification-4-event-type
☆130Updated last year
Related projects ⓘ
Alternatives and complementary repositories for multi-label-classification-4-event-type
- bert pytorch模型微调用于的多标签文本分类☆125Updated 5 years ago
- 使用BERT模型做文本分类;面向工业用途☆216Updated 5 years ago
- 中文关系抽取☆136Updated 5 years ago
- 实体识别和关系抽取的联合模型☆121Updated 5 years ago
- 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。☆284Updated 4 years ago
- 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
- 事件知识图谱构建相关的论文, 包含事件抽取、事件关系识别等任务☆81Updated last year
- some baselines for lic2020 (http://lic2020.cipsc.org.cn/)☆218Updated 4 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.☆314Updated 4 years ago
- bert文本分类,ner, albert,keras_bert,bert4keras,kashgari,fastbert,flask + uwsgi + keras部署模型,时间实体识别,tfidf关键词抽取,tfidf文本相似度,用户情感分析☆194Updated 3 months ago
- 使用Bert/ERNIE进行中文短文本分类(附数据集)☆31Updated last year
- 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
- 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
- 一个关于百度2019语言与智能技术竞赛信息抽取 (http://lic2019.ccf.org.cn/kg) 模型, 模型采用BERT+CNN。DEMO地址 https://github.com/Wangpeiyi9979/InformationExtractionDem…☆187Updated 5 years ago
- 天池大赛疫情文本挑战赛线上第三名方案分享☆228Updated 3 years ago
- NLP research:基于tensorflow的nlp深度学习项目,支持文本分类/句子匹配/序列标注/文本生成 四大任务☆186Updated 5 months ago
- 文本分类的目前测试效果较好的算法☆56Updated 5 years ago
- 哈工大bert上fine turning ,中文人物关系抽取任务准确率0.97☆118Updated 4 years ago
- Tensorflow2.3的文本分类项目,支持各种分类模型,支持相关tricks。☆173Updated 9 months ago
- 多标签文本分类☆53Updated 5 years ago
- Named Recognition Entity based on BERT and CRF 基于BERT+CRF的中文命名实体识别☆181Updated last year
- 本项目采用Keras和Keras-bert实现中文序列标注,对BERT进行微调,并在多个命名实体识别数据集上进行测试。☆47Updated 3 years ago
- ☆33Updated 4 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
- 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
- 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
- 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
- 基于BI-LSTM+CRF的中文命名实体识别 Pytorch☆376Updated last year
- 中文关系抽取☆94Updated 3 years ago