taishan1994 / pytorch_triple_extraction

Related projects: ⓘ

• taishan1994 / chinese_information_extraction
  中文信息抽取，包含实体抽取、关系抽取、事件抽取
  ☆220Updated 11 months ago
• Jacen789 / relation-extraction
  中文关系抽取
  ☆429Updated last year
• taishan1994 / pytorch_bert_bilstm_crf_ner
  基于pytorch的bert_bilstm_crf中文命名实体识别
  ☆507Updated last year
• duguiming111 / NER-BERT-BiLSTM-CRF-
  基于BERT+BiLSTM+CRF实现中文命名实体识别
  ☆137Updated 4 years ago
• Xie-Minghui / EntityRelationExtraction
  实体关系抽取pipline方式，使用了BiLSTM+CRF+BERT
  ☆110Updated 3 months ago
• taishan1994 / BERT-Relation-Extraction
  使用bert进行关系三元组抽取。
  ☆127Updated 5 months ago
• Onion12138 / CasRelPyTorch
  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
• taishan1994 / BERT-BILSTM-CRF
  使用BERT-BILSTM-CRF进行中文命名实体识别。
  ☆310Updated 5 months ago
• CLOVEXCWZ / NER_DEMO
  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。
  ☆282Updated 4 years ago
• XavierWww / Chinese-Medical-Entity-Recognition
  Using BERT+Bi-LSTM+CRF
  ☆132Updated 2 years ago
• stanleylsx / entity_extractor_by_ner
  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。
  ☆392Updated 2 weeks ago
• Ricardokevins / Bert-In-Relation-Extraction
  使用Bert完成实体之间关系抽取
  ☆621Updated this week
• xhw205 / GPLinker_torch
  CMeIE/CBLUE/CHIP/实体关系抽取/SPO抽取
  ☆207Updated 2 years ago
• Xie-Minghui / MultiHeadJointEntityRelationExtraction_simple
  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
• yanwii / ChinsesNER-pytorch
  基于BI-LSTM+CRF的中文命名实体识别 Pytorch
  ☆373Updated last year
• leefsir / triplet_extraction
  知识图谱三元组抽取（实体-关系-实体，实体-属性-属性值）
  ☆100Updated 3 years ago
• percent4 / knowledge_graph_demo
  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。
  ☆190Updated 4 years ago
• DSXiangLi / ChineseNER
  中文NER的那些事儿
  ☆308Updated last year
• percent4 / spo_extract_platform
  本项目是利用深度学习技术来构建知识图谱方向上的一次尝试，作为开放领域的关系抽取，算是笔者的一次创新，目前在这方面的文章和项目都很少。
  ☆304Updated last year
• pen-ho / medical_knowledge_graph_app-master
  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）。
  ☆258Updated 2 years ago
• DannyLee1991 / ExtractTriples
  抽取中文三元组
  ☆94Updated last year
• Marilynmontu / ChineseNER-pytorch
  基于Pytorch的BERT-IDCNN-BILSTM-CRF中文实体识别实现
  ☆83Updated 2 years ago
• yumath / bertNER
  ChineseNER based on BERT, with BiLSTM+CRF layer
  ☆435Updated 3 years ago
• taishan1994 / OneRel_chinese
  OneRel在中文关系抽取中的使用
  ☆113Updated 11 months ago
• WuHuRestaurant / xf_event_extraction2020Top1
  科大讯飞2020事件抽取挑战赛第一名解决方案&完整事件抽取系统
  ☆536Updated 3 years ago
• hertz-pj / BERT-BiLSTM-CRF-NER-pytorch
  Pytorch BERT-BiLSTM-CRF For NER
  ☆397Updated 4 years ago
• lansinuote / NER_in_Chinese
  ☆109Updated 2 years ago
• percent4 / people_relation_extract
  结合BERT+GRU+ATT模型，对自己收集的人物关系数据进行模型训练，用于人物关系抽取。
  ☆319Updated last year
• WangShengguang / ccks-2020
  CCKS 2020：新冠知识图谱构建与问答评测（四）新冠知识图谱问答评测
  ☆216Updated 3 years ago
• broccolik / BIO-sequence-label
  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
  ☆69Updated 4 years ago