自然语言处理(NLP):22 BERT中文命名实体识别

本文深入探讨命名实体识别(NER),包括工业界应用场景,如简历检索系统、电子病历和聊天机器人,以及学术界的BiLSTM-CRF、Att-BiLSTM-CRF和BERT模型。通过分析BERT源码,展示了如何在多个数据集上应用BERT进行NER,并介绍了评估标准和数据预处理方法。此外,文章还提到了对话系统中的NLU和DM组件,以及使用BERT进行中文分词和词性标注。
摘要由CSDN通过智能技术生成

本文主要通过不同的数据集来进行 NER 模型验证验证,以及指定一些通过训练 NER 任务的一套标准,通过两条路线进行分析和总结。
(1)工业界场景-> 学术界 NER 论文-> BERT 实现 NER 方案以及源码分析
(2)预料数据-> 业务数据可视化分析-> 标准数据格式转换-> 模型训练-> 在线预测-> 序列标准任务优化和拓展

本文主要分享核心要点

  • 命名实体识别初识
    • 什么是 NER
    • NER 发展以及技术方案
  • 工业界应用场景
    • 人力资源检索系统
    • 电子病历系统
    • 聊天机器人对话系统
    • 其他(某团语音平台,某米音箱。。)
  • 学术界论文方案解读
    • BiLSTM-CRF
    • Att-BiLSTM-CRF
    • BERT
    • BERT-CRF
  • BERT 源码分析
    • 词潜入历史发展 word2vec、glove、ELMo、BERT
    • BERT 模型详细介绍
    • BERT 模型演变
  • NER 项目前准备工作
    • 数据库分析可视化 pyecharts、seaborn、matplotlib<
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

艾文教编程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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