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

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

1. BiLSTM_CRF模型介紹 ，深入剖析模型原理；
2. BiLSTM當前模型介紹及存在問題
3. BiLSTM後面接CRF的原因
4. 數據集介紹
5. 讀取數據代碼實現
6. 處理數據集代碼實現
7. 工具類代碼實現
8. 模型代碼編寫實現
9. 模型訓練代碼編寫實現
10. 代碼封裝實現
11. flask接口實現

基於IDCNN+CRF的中文命名實體識別實戰

1. IDCNN+CRF模型介紹 ，深入剖析模型原理；
2. IDCNN與BiLSTM的區別
3. 數據集介紹
4. 讀取數據代碼實現
5. 處理數據集代碼實現
6. 工具類代碼實現
7. 模型代碼編寫實現
8. 模型訓練代碼編寫實現
9. 代碼封裝實現
10. flask接口實現

基於Bert-BiLSTM+CRF的中文命名實體識別實戰

1. Bert相關理論模型介紹 ，深入剖析模型原理；
2. Bert-BiLSTM+CRF模型介紹
3. Bert原生工程創建介紹
4. 數據集介紹
5. 讀取數據代碼實現
6. 處理數據集代碼實現
7. 工具類代碼實現
8. 模型代碼編寫實現
9. 模型訓練代碼編寫實現
10. 代碼封裝實現