[论文阅读笔记24]NeuroNER：神经NER工具

1.题目：

模型论文：Feature-Augmented Neural Networks for Patient Note De-identification
http://export.arxiv.org/pdf/1610.09704

工具论文：NeuroNER: an easy-to-use program for named-entity recognition based on neural networks
一个基于神经网络的简单易用的命名实体识别程序

2.论文地址：

https://www.aclweb.org/anthology/D17-2017/
Proceedings of the 2017 EMNLP System Demonstrations, pages 97–102
Copenhagen, Denmark, September 7–11, 2017.

3.单位:

MIT

4.代码：

https://github.com/Franck-Dernoncourt/NeuroNER

5.摘要：

提出了一个神经网络的NER工具；
NeuroNER更专注于可用性;
NeuroNER使用BRAT作为接口，即是它可以很好地兼容BRAT工具；
NeuroNER获得State-of-the-art;
另外它也把代码公开出来。

NeuroNER不支持BRAT格式的overlapping annotations的局限.

6.系统描述

NeuroNER包括两个主要部分：NER引擎&&与Brat的接口；加外还有实时训练监控，预训练模型等相关内容。

6.1 NER引擎

输入数据：训练集，验证集，测试集；
引擎网络包括3层：
字符增强token嵌入层：把每个token映射到向量；
Label预测层：把字符串表达构建成句子表达作为输入，输出为每个句子token的预测标注分布；
Label序列优化层：优化输出最有可能的标注序列；

模型使用了三种特征（token的嵌入，预测训练token, 人工特征工程）。

6.2 实时监控训练

Plots

TensorBoard

6.3 预训练模型

word2vec，GloVe

6.4 Annotations

7. 模型效果

8. 工具使用

训练与监控

预测与评估

布署

happyprince;https://blog.csdn.net/ld326/article/details/114261304