######################################
BosonNLP命名实体识别数据
######################################
命名实体识别（NER）是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。命名实体识别是信息提取、问答系统、句法分析、机器翻译等应用领域的重要基础工具，作为结构化信息提取的重要步骤。
在BosonNLP命名实体的标注中，文本采用UTF-8进行编码，每行为一个段落标注，共包括2000段落。所有的实体以如下的格式进行标注：
{{实体类型：实体文本}}
标注的实体类别包括以下6种：
time: 时间
location: 地点
person_name: 人名
org_name: 组织名
company_name: 公司名
product_name: 产品名
例：此次{{location:中国}}个展，{{person_name:苏珊?菲利普斯}}将与她80多岁高龄的父亲一起合作，哼唱一首古老的{{location:威尔士}}民歌{{product_name:《白蜡林》}}。届时在{{location:画廊大厅}}中将安放6个音箱进行播放，艺术家还特意回到家乡{{location:格拉斯哥}}，同父亲一起在{{org_name:中国音乐学院}}里为作品录制了具有{{location:中国}}元素的音乐片段。
来源：
http://bosonnlp.com
基于BILSTM+CRF、IDCNN+CRF、BERT+BILSTM+CRF多种模型的中文命名实体识别python源码+数据+说明文档.zip （23个子文件） 
项目说明.md 3KB
data boson data_util.py 4KB
origindata.txt 1.78MB license.txt 2KB readme.txt 981B renMinRiBao data_renmin_word.py 5KB renmin.txt 10.18MB MSRA train2pkl.py 4KB test1.txt 514KB link.txt 49B testright1.txt 564KB train1.txt 9.99MB
test.png 92KB test2.png 86KB tensorflow utils.py 7KB test1.txt 514KB bilstm_crf.py 3KB vec.txt 14.63MB Batch.py 2KB train.py 3KB pytorch BiLSTM_CRF.py 7KB train.py 2KB resultCal.py 2KB资源评论
