ppphhhleo / nlp_NER

NER 命名实体识别，Pytorch，模型对比LSTM、BiLSTM、CNN，可添加条件随机场CRF，loss图对比

NER 命名实体识别 LSTM CNN CRF

NER 命名实体识别，Pytorch，LSTM、BiLSTM、CNN，可添加条件随机场CRF

Blog 详细内容

Quick Start

0 实验环境

python3 + jieba + pytorch1.0.0 + numpy  
pip install -r requirement.txt  

• python-crfsuite==0.9.6
• six==1.12.0
• sklearn-crfsuite==0.3.6
• tabulate==0.8.3

1 配置模型相关超参数及预训练词向量路径

/models/config.py

ckpts 文件夹 ，存放训练好的模型

2 模型训练及测试

python main.py --model [模型] --crf --use_w2v

其中，可根据实际需求调整

--model [模型]：cnn / lstm / bilstm

--crf ：增加crf层

--use_w2v ：使用预训练词向量

3 数据记录

Loss图，测试结果，均保存在:

record.ipynb 可视化结果

---

相关论文

1. Bidirectional LSTM-CRF models for sequence tagging

2. A survey on deep learning for named entity recognition