Easy_Entity_Linking
模型结构
模型一
NER--实体识别模型，由BERT + softmax 构成，这部分还是比较简单的
模型二
Similarity---相似句识别模型，这部分相对较复杂一点。
模型输入[[CLS]+实体句+[SEP]+候选句+[SEP]] + [实体句中实体的首尾位置]；
经过BERT输出，得到BERT_Encode；
将实体位置（i~j）向量取平均值；
然后与[cls]位置向量做拼接;
经过sigmoid输出值；
取候选句中最大值作为相似句；
得到知识库id
模型数据
数据来自2019年百度中文短文本实体链指大赛
链接：https://pan.baidu.com/s/1nuXnTJHZVA-Tn8J4buUKeA 提取码：0y32
模型相关库
Tensorflow == 2.0.0
Transformers == 2.0
模型效果
训练数据90000条，知识库390000+条
训练数据85000作为训练集
训练数据5000作为测试集
F1值 70%左右