CLUENER2020:BiLSTM \ BERT \ Roberta（+ CRF）模型的PyTorch实现，用于命名实体识别
5星 · 超过95%的资源 需积分: 41 49 浏览量
2021-05-25
15:34:29
上传
评论 13
收藏 12.45MB ZIP 举报 
CLUENER2020-main.zip （94个子文件） 
CLUENER2020-main 
.DS_Store 10KB BERT-Softmax data_process.py 2KB .DS_Store 10KB train.py 5KB experiments .DS_Store 6KB clue .DS_Store 6KB config.json 818B train.log 19KB config.py 2KB utils.py 899B model.py 2KB run.py 5KB metrics.py 6KB data .DS_Store 6KB clue test.json 278KB train.npz 1.92MB test.npz 247KB train.json 2.16MB pretrained_bert_models .DS_Store 8KB chinese_roberta_wwm_large_ext .DS_Store 6KB config.json 579B bert-base-chinese .DS_Store 6KB config.json 578B case .DS_Store 6KB data_loader.py 4KB BiLSTM-CRF data_process.py 2KB .DS_Store 8KB train.py 6KB experiments .DS_Store 6KB clue .DS_Store 6KB train.log 6KB config.py 1KB metric.py 5KB utils.py 899B model.py 1KB run.py 6KB data .DS_Store 6KB clue .DS_Store 6KB test.json 278KB train.npz 1.92MB test.npz 247KB vocab.npz 50KB train.json 2.16MB case .DS_Store 6KB data_loader.py 2KB Vocabulary.py 3KB BERT-CRF data_process.py 2KB .DS_Store 8KB train.py 6KB experiments .DS_Store 6KB clue config.json 759B train.log 21KB config.py 2KB utils.py 899B model.py 2KB run.py 5KB metrics.py 6KB data .DS_Store 6KB clue test.json 278KB train.npz 1.92MB test.npz 247KB train.json 2.16MB pretrained_bert_models .DS_Store 8KB chinese_roberta_wwm_large_ext .DS_Store 6KB config.json 520B bert-base-chinese .DS_Store 6KB config.json 520B data_loader.py 4KB
requirements.txt 1KB BERT-LSTM-CRF data_process.py 2KB .DS_Store 10KB train.py 6KB experiments .DS_Store 6KB clue .DS_Store 6KB config.json 818B train.log 24KB config.py 2KB utils.py 899B model.py 2KB run.py 6KB metrics.py 6KB data .DS_Store 6KB clue test.json 278KB train.npz 1.92MB test.npz 247KB train.json 2.16MB pretrained_bert_models .DS_Store 8KB chinese_roberta_wwm_large_ext .DS_Store 6KB config.json 579B bert-base-chinese .DS_Store 6KB config.json 578B case .DS_Store 6KB data_loader.py 4KB readme.md 5KB资源评论
- #完美解决问题
- #运行顺畅
- #内容详尽
- #全网独家
- #注释完整
魏水华2023-07-24通过CRF的引入，该文件进一步提升了NER任务的性能。
傅融2023-07-24结合BiLSTM、BERT和Roberta的模型实现，让命名实体识别效果更上一层楼。
高工-老罗2023-07-24这个文件真实可靠，对于命名实体识别很有帮助。
奔跑的楠子2023-07-24这个文件提供了一个PyTorch实现的模型，方便了大家的实际应用。
練心2023-07-24该文件对命名实体识别模型进行了优化，提高了识别准确度。
