中文NER-基于网格LSTM的中文命名实体识别Chinese NER Using Lattice LSTM

最新推荐文章于 2023-10-13 10:46:14 发布
最新推荐文章于 2023-10-13 10:46:14 发布
阅读量766 收藏 3
点赞数
分类专栏： NLP 文章标签： lstm 自然语言处理 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/anqi3776/article/details/120328486
版权
本文提出了一种名为Lattice LSTM的网络结构，旨在解决中文命名实体识别中的分词错误问题。Lattice LSTM结合字符和词级别的信息，通过动态引入所有可能的词边界信息，提高了模型对上下文的理解和鲁棒性。与基于字或词的模型相比，Lattice LSTM在不需要分词任务数据的情况下，利用词向量增强实现了更好的表现。
摘要由CSDN通过智能技术生成

基于网格LSTM的中文命名实体识别

在这里插入图片描述
本文idea提出原因
中文命名实体识别的实体边界划分特别难。
基于字符级别：无分词错误，缺少词的边界信息，利用不了已有词典
基于词级别：有分词错误，因为只能有一种分词
深度学习一定程度上解决了对词典的依赖
如何利用现有词典，引入所有可能词的边界信息?
研究成果：
＞动态引入所有可能的词信息
＞克服了基于词模型的分词错误问题
＞能自动选择适合当前上下文的可能分词
＞融合字词向量的信息，更好的上下文提取模型
＞句子长度增加，模型相对更加鲁棒
引入词汇增强解决中文NER问题
融合字词信息的动态网络结构
摘要核心

  1. 基于字符级别的中文NER无法引入分词结构的先验信息
  2. 基于词级别的中文NER会引入分词错误
  3. 提出Lattice LSTM网络结构，以字符级别为基础，动态融入词级别的信息

Baseline模型
输入表示:字、词、特征或者互相融合
特征抽取:CNN/LSTM/BiLSTM/Transformer
解码:CRF>Softmax

最低0.47元/天 解锁文章
StellaLiu萤窗小语
关注
专栏目录
【自然语言处理（NLP）】基于LSTM的命名实体识别(进阶)
m0_54754302的博客
11-09 1275
【自然语言处理（NLP）】基于LSTM的命名实体识别(进阶)，基于百度飞桨开发，参考于《自然语言处理实践》所作。
中文命名实体识别NER：Lattice LSTM
woniu201411的博客
06-16 781
参考文献： <> https://www.paperweekly.site/papers/notes/623
双向LSTM+CRF中文命名实体识别工具
06-04
双向LSTM+CRF中文命名实体识别工具，可以使用自己的语料进行训练，欢迎大家交流学习。训练数据需要自己进行获取
文本信息抽取 | 基于 LSTM 的命名实体识别
最新发布
ttrr27的博客
10-13 1524
Hi，大家好，我是半亩花海。本文主要了解文本信息抽取的内容，以《基于LSTM的命名实体识别》这一项目作为示例展示文本信息抽取的意义。
[代码实践]利用LSTM构建基于conll2003数据集的命名实体实体识别NER模型
Harry的博客
07-02 1715
执行结果. 一共应用了12个Epoch，训练集上的准确率是99.7%，测试集上准确率是98%。1. conll2003数据集介绍以及数据集预处理请看下面博客。3. 创建基于lstm网络的NER模型。7. main方法来训练模型与测试模型。6. 保存文件以及加载文件的方法。2. 取预处理过的数据集。
基于新词发现和Lattice-LSTM的中文医疗命名实体识别.pdf
09-12
《基于新词发现和Lattice-LSTM的中文医疗命名实体识别》这篇论文主要探讨了在中文医疗领域命名实体识别（NER）的问题及其解决方案。在医疗领域，命名实体识别是一项关键任务，它涉及到从文本中自动抽取如疾病、药物...
基于crf的中文命名实体识别完整代码（含训练数据）
06-18
# 中文命名实体识别 基于条件随机场（Conditional Random Field, CRF)的NER模型 ## 数据集 数据集用的是论文ACL 2018[Chinese NER using Lattice LSTM](https://github.com/jiesutd/LatticeLSTM)中收集的简历数据...
Chinese NER Using Lattice LSTM
05-17
命名实体识别，采用基于字的BiLSTM-CRF(Bidirectional LSTM-CRF)模型，利用人工校验的数据集进行训练，最后对该模型进行评测。
用双向lstm+CRF做命名实体识别(附tensorflow代码)——NER
LFGxiaogang的博客
04-19 5751
转自：https://www.lookfor404.com/%E7%94%A8%E5%8F%8C%E5%90%91lstmcrf%E5%81%9A%E5%91%BD%E5%90%8D%E5%AE%9E%E4%BD%93%E8%AF%86%E5%88%AB%E9%99%84tensorflow%E4%BB%A3%E7%A0%81-ner%E7%B3%BB%E5%88%97%EF%BC%88%E5%9...
双向LSTM进行命名实体识别NER
12-20
双向LSTM进行命名实体识别NER
chinese-address-segment:中文地址分词（地址元素识别与抽取），通过序列标注进行NER
03-21
项目背景： 地址元素识别可以撤出地址中不同的地址元素，同时也可以作为其他项目任务的基础。 使用： train_eval.py：训练与评估模型（可以选择IDCNN膨胀卷积网络或者BILSTM） address_segment_service：使用Tornado部署模型（可以进行多线程部署），从而通过http协议访问服务 示例： 在浏览器地址栏输入： {'string'：'江苏省南京市六合区雄州街道雄州南路333号冠城大通南郡25幢1单元502室“，'entities'：[{'word'：'江苏省'，'start'：0，'end'：3， 'type'：'XZQHS'}，{'word'：'南京市'，'start'：3，'end'：6，6，'type'：'XZQHCS'}，{'word'：'六合区'， '开始'：6，'结束'：9，'类型'：'XZQHQX'}，{'word'：'雄州街道'，'开始
中文实体识别LSTM+CRF.zip
05-09
使用tensorflow实现的中文实体识别LSTM+CRF（简单界面）
grid-lstm:网格长期短期记忆（LSTM）网络
05-16
网格LSTM 本回购协议的目的是实施和探索受OpenAI的启发而提出的《的含义。 问题 训练LSTM解决XOR问题：即给定一个位序列，确定其奇偶校验。 LSTM应该一次消耗一个序列，然后在序列末尾输出正确的答案。 生成一个随机的100,000个长度为50的二进制字符串的数据集。 你会得到什么表现？ 用10个纪元，我得到了0.5025的准确度。 我摆弄了辍学和时代，发现性能并没有提高，所以我四处寻找可能发生的情况。 克里斯托弗·布雷兹（Christopher Bourez）的博客让我对有所了解。 用Keras实现简单的LSTM。 在没有Keras的情况下实现LSTM网络 生成一个随机100,000个二进制字符串的数据集，其中每个字符串的长度是在1到50之间独立地随机选择的。训练LSTM。 它成功了吗？ 是什么解释了差异？ 资源
论文笔记：Chinese NER Using Lattice LSTM
qq_22472047的博客
10-19 1183
概述： 目前，英文NER：效果最佳的模型是 LSTM-CRF（Lample et al., 2016; Ma and Hovy, 2016; Chiu and Nichols, 2016; Liu et al., 2018）。 中文 NER：也可以使用这种模型，但是中文NER和分词相关，执行中文 NER 的一种直观方式是先执行分词，然后再应用词序列标注。基于character-level的LSTM-CRF无法利用句子中的单词word信息。 charNER的缺点：明确的word和word sequenc
lstm原文_论文解读——使用格框架LSTM的中文实体命名识别（上）
weixin_39626180的博客
12-03 620
最近抖音很火的梗：“南京市长是不是叫江大桥？”。原文出处来了，见图1.显然这是一个分词错误，今天要介绍的这篇论文里就完美的解决了计算机基于字符NER(实体命名识别)的缺点：未完全利用显式单词和单词序列信息。 图1 词字符格框架摘要：本文研究了针对中文NER的格框架结构LSTM模型，该模型对输入字符系列以及词典匹配的所有可能单词进行编码。与基于字符的方法相比，该模型显式地利用了单词和单词序列信息。 ...
中文命名实体识别 Lattice LSTM
谢彦的技术博客
01-15 945
这是一篇2018年发表于 ACL（自然语言处理顶会） 的论文，文中提出了一种基于格子（Lattice）结构的LSTM模型.
nlp 命名实体识别 算法_中文命名实体识别算法 Lattice LSTM
weixin_39645165的博客
11-22 581
中文命名实体识别 (NER) 算法按照输入的类型，可以大致分为 Character-based (字符) 和 Word-based (单词) 两种。这两种方法都存在一些缺陷，Character-based 不能利用词汇和词汇序列信息；Word-based 需要分词，分词的错误会对 NER 结果产生较大影响。因此新加坡的研究者在 2018 年提出了一种 Lattice LSTM 的算法，可以利用词汇...
中文命名实体识别《Chinese NER Using Lattice LSTM》笔记
u013479571的专栏
12-14 1839
这篇博文应该是本人至今为止总结的第一篇与自然语言处理相关的论文笔记，初次提笔，难免会有疏漏，还请莫怪。《Chinese NER Using Lattice LSTM》，源码：(PyTorch版)https://github.com/jiesutd/LatticeLSTM，ACL 2018顶会论文。 一、摘要：针对中文命名实体识别提出一种lattice-LSTM模型，该模型能够这么对输入字符...
帮我写一个bert-bilstm-crf-ner模型用于中文命名实体识别
05-27
好的，下面是bert-bilstm-crf-ner模型的代码实现（Python）： ```python import torch import torch.nn as nn from transformers import BertModel class BertBilstmCrfNer(nn.Module): def __init__(self, num_...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值