nlp
文章平均质量分 50
kinghua23
自然语言处理爱好者
展开
-
2 CRF Layer (Emission and Transition Score) | CRF层(发射和过渡分数)
回顾在上一节中,我们知道CRF层可以从训练数据集中学习一些约束,以确保最终的预测实体标签序列有效。约束可能是:句子中第一个单词的标签应以“ B-”或“ O”开头,而不是“ I-” 在此模式下,“ B-label1 I-label2 I-label3 I-…”应与label1,label2,label3…是相同的命名实体标签。例如,“ B-Person I-Person”有效,但“ B...原创 2019-12-20 11:20:47 · 1616 阅读 · 0 评论 -
1 Outline and Introduction | 概述与简介
大纲该系列文章将包括:简介-BiLSTM顶部的CRF层用于命名实体识别任务的一般思想 详细示例-一个说明CRF层如何逐步工作的玩具示例 中文NER实现-CRF层的中文NER实现谁可能是本系列文章的读者?本系列文章适用于学生或自然语言处理或任何其他与AI相关领域的初学者,我希望您可以从我的文章中找到您想知道的内容。此外,请随意提供任何意见或建议以改进该系列。先验知识...原创 2019-12-20 10:42:21 · 840 阅读 · 0 评论 -
CRF Layer on the Top of BiLSTM--翻译
CRF Layer on the Top of BiLSTM || CRF层(BiLSTM的顶层)CRF Layer on the Top of BiLSTM - 1Outline and Introduction | 概述与简介 CRF Layer on the Top of BiLSTM - 2(Emission and Transition Score) |CRF层(发射和过渡...原创 2019-12-20 10:41:38 · 403 阅读 · 0 评论 -
中文命名实体识别
命名实体识别(Named Entity Recognition) 命名实体识别是NLP里一项很基础的任务,就是从文本中识别出命名性指称项,为关系抽取等任务做铺垫。狭义上,是识别出人名、地名和组织机构名这三类命名实体(时间、货币名称等构成规律明显的实体类型可以用正则等方式识别)。当然,在特定领域中,会相应地定义领域内的各种实体类型。中文命名实体识别的难点:1.中文文本不像英文有空格...原创 2019-12-20 10:09:49 · 2096 阅读 · 0 评论 -
优质cn_nlp资源集合,做项目一定用得到!
应用在寻找失踪人口项目中,从文本信息中抽取一些基本信息,比如手机号、邮箱、手机归属地、时间点、地址和一些词组信息。比如:phone 中国手机归属地查询、抽取email的正则表达式、抽取phone_number的正则表达式、人名语料库、时间抽取等。1. textfilter: 中英文敏感词过滤https://github.com/observerss/textfilter2....原创 2019-12-12 12:58:25 · 379 阅读 · 0 评论 -
解决pynlpir过期问题
pynlpir是一个分词工具包,是中科院张华平博士的NLPIR汉语分词系统。报错:pynlpir.LicenseError: Your license appears to be missing. Try running "pynlpir update".如图:原因:NLPIR授权过期了。解决办法:到github的license地址下载新的NLPIR.user文件,...原创 2018-12-07 17:21:55 · 675 阅读 · 0 评论 -
我的nlp学习路线
一、机器学习框架三大深度学习框架比较1.tensorflow–使用数据流图进行数值计算的开源软件库2.Keras–目前封装有全连接网络、卷积神经网络、RNN和LSTM等算法。3.Caffe–考虑了代码清洁、可读性及速度的深度学习框架4.NLTK–用来编写处理人类语言数据的Python程序原版文档5.scikit-learn–基于SciPy的机器学习模块6.gensim–主题...原创 2019-06-12 16:22:53 · 1429 阅读 · 0 评论