terrifyzhao / spo_extract
基于transformers的三元组抽取
☆35Updated 3 years ago
Alternatives and similar repositories for spo_extract:
Users that are interested in spo_extract are comparing it to the libraries listed below
- 基于Pytorch的命名实体识别框架,支持LSTM+CRF、Bert+CRF、RoBerta+CRF等框架☆82Updated last year
- 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☆120Updated last year
- NLP关系抽取:序列标注、层叠式指针网络、Multi-head Selection、Deep Biaffine Attention☆100Updated 3 years ago
- GPLinker_pytorch☆80Updated 2 years ago
- OneRel在中文关系抽取中的使用☆116Updated last year
- 利用指针网络进行信息抽取,包含命名实体识别、关系抽取、事件抽取。☆124Updated last year
- TPlinker for NER 中文/英文命名实体识别☆122Updated 3 years ago
- Tplinker注释,中文数据集适配版本☆59Updated 3 years ago
- 嵌套命名实体识别 Nested NER☆19Updated 3 years ago
- 实体关系抽取pipline方式,使用了BiLSTM+CRF+BERT☆131Updated 7 months ago
- CMeEE/CBLUE/NER实体识别☆125Updated 2 years ago
- CMeIE/CBLUE/CHIP/实体关系抽取/SPO抽取☆221Updated 2 years ago
- 使用R-BERT模型对人物关系模型进行分类,效果有显著提升。☆24Updated last year
- 基于词汇信息融合的中文NER模型☆164Updated 2 years ago
- ccks2020 NER competitions☆116Updated 4 years ago
- 面向金融领域的篇章级事件抽取和事件因果关系抽取 第六名 方案及代码☆61Updated 2 years ago
- 基于知识图谱的问答系统☆134Updated 4 years ago
- 基于pytorch+bert的中文事件抽取☆68Updated 2 years ago
- 知识图谱三元组抽取(实体-关系-实体,实体-属性-属性值)☆104Updated 3 years ago
- 使用torch整合两种经典的指针NER抽取范式,分别是SpanBert和苏神的GlobalPointer,简单加了些tricks,配置后一键运行☆131Updated 8 months ago
- Knowledge Graph☆170Updated 2 years ago
- ☆34Updated 4 years ago
- 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
- 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
- 复现论文《Simplify the Usage of Lexicon in Chinese NER》☆42Updated 3 years ago
- 基于bert_mrc的中文命名实体识别☆43Updated 2 years ago
- ☆42Updated last year
- 基于Pytorch的BERT-IDCNN-BILSTM-CRF中文实体识别实现☆88Updated 2 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。☆80Updated 3 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。☆286Updated 5 years ago