实例介绍
Python实现bert模型进行命名实体识别,有运行md说明文档
【文件目录】
BERT-BiLSTM-CRF-NER-master
├── README.md
├── bert_base
│ ├── __init__.py
│ ├── bert
│ │ ├── CONTRIBUTING.md
│ │ ├── LICENSE
│ │ ├── README.md
│ │ ├── __init__.py
│ │ ├── create_pretraining_data.py
│ │ ├── extract_features.py
│ │ ├── modeling.py
│ │ ├── modeling_test.py
│ │ ├── multilingual.md
│ │ ├── optimization.py
│ │ ├── optimization_test.py
│ │ ├── requirements.txt
│ │ ├── run_classifier.py
│ │ ├── run_pretraining.py
│ │ ├── run_squad.py
│ │ ├── sample_text.txt
│ │ ├── tokenization.py
│ │ └── tokenization_test.py
│ ├── client
│ │ └── __init__.py
│ ├── runs
│ │ └── __init__.py
│ ├── server
│ │ ├── __init__.py
│ │ ├── graph.py
│ │ ├── helper.py
│ │ ├── http.py
│ │ ├── simple_flask_http_service.py
│ │ └── zmq_decor.py
│ └── train
│ ├── __init__.py
│ ├── bert_lstm_ner.py
│ ├── conlleval.pl
│ ├── conlleval.py
│ ├── lstm_crf_layer.py
│ ├── models.py
│ ├── tf_metrics.py
│ └── train_helper.py
├── build.sh
├── client_test.py
├── data_process.py
├── pictures
│ ├── 03E18A6A9C16082CF22A9E8837F7E35F.png
│ ├── ner_help.png
│ ├── picture1.png
│ ├── picture2.png
│ ├── predict.png
│ ├── server_help.png
│ ├── server_ner_rst.png
│ ├── server_run.png
│ ├── service_1.png
│ ├── service_2.png
│ └── text_class_rst.png
├── requirement.txt
├── run.py
├── setup.py
├── terminal_predict.py
└── thu_classification.py
7 directories, 55 files
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论