中文命名實體識別實戰學習路線圖-揭開中文命名實體識別的神祕面紗
命名實體識別作爲自然語言處理 的基礎技術之一,在自然語言處理上游各個任務(問答系統、機器翻譯、對話系統等)重扮演者十分重要的角色,因此深入掌握命名實體識別技術,是作爲自然語言處理從業者畢本技能,本學習路線圖理論與實踐相結合,希望能給大家帶來幫助。本學習路線圖主要從最簡單的基於BiLSTM+CRF的中文命名實體模型到基於IDCNN+CRF的中文命名實體識別模型,最後講解基於Bert+BiLSTM+CRF的命名實體識別實戰模型,從淺入深,一次揭開中文命名實體識別實戰的面紗。
基於BiLSTM+CRF的中文命名實體識別實戰
- BiLSTM_CRF模型介紹 ,深入剖析模型原理;
- BiLSTM當前模型介紹及存在問題
- BiLSTM後面接CRF的原因
- 數據集介紹
- 讀取數據代碼實現
- 處理數據集代碼實現
- 工具類代碼實現
- 模型代碼編寫實現
- 模型訓練代碼編寫實現
- 代碼封裝實現
- flask接口實現
基於IDCNN+CRF的中文命名實體識別實戰
- IDCNN+CRF模型介紹 ,深入剖析模型原理;
- IDCNN與BiLSTM的區別
- 數據集介紹
- 讀取數據代碼實現
- 處理數據集代碼實現
- 工具類代碼實現
- 模型代碼編寫實現
- 模型訓練代碼編寫實現
- 代碼封裝實現
- flask接口實現
基於Bert-BiLSTM+CRF的中文命名實體識別實戰
- Bert相關理論模型介紹 ,深入剖析模型原理;
- Bert-BiLSTM+CRF模型介紹
- Bert原生工程創建介紹
- 數據集介紹
- 讀取數據代碼實現
- 處理數據集代碼實現
- 工具類代碼實現
- 模型代碼編寫實現
- 模型訓練代碼編寫實現
- 代碼封裝實現