实体识别
文章平均质量分 89
致Great
为将之道,当先治心
展开
-
nlp-with-transformers系列-04_多语言命名实体识别
到目前为止,在本书中我们已经应用了Transformers来解决英语语料的NLP任务,但如果你的文件是用希腊语、斯瓦希里语或克林贡语写的,你该怎么办? 一种方法是在Hugging Face Hub上搜索合适的预训练语言模型,并在手头的任务上对其进行微调。 然而,这些预训练的模型往往只存在于像德语、俄语或普通话这样的 "高资源 "语言,这些语言有大量的网络文本可供预训练。 当你的语料库是多语言的时候,另一个常见的挑战出现了。 在产品化环境中维护多个单语模型对你和你的工程团队来说不会有任何乐趣。幸运的是,有一原创 2022-03-17 23:20:30 · 1914 阅读 · 1 评论 -
[NLP比赛推荐]商品标题实体识别
1 赛题背景京东商品标题包含了商品的大量关键信息,商品标题实体识别是NLP应用中的一项核心基础任务,能为多种下游场景所复用,从标题文本中准确抽取出商品相关实体能够提升检索、推荐等业务场景下的用户体验和平台效率。本赛题要求选手使用模型抽取出商品标题文本中的实体。与传统的实体抽取不同,京东商品标题文本的实体密度高、实体粒度细,赛题具有特色性。2 比赛数据本赛题数据来源于特定类目的京东商品标题短文本,分为有标注样本和无标注样本,供选手选择使用。数据格式:训练集数据每一行第一列为一个字符或空格(.原创 2022-03-09 01:41:46 · 1609 阅读 · 0 评论 -
实体识别(4) -基于Bert进行商品标题实体识别[很详细]
实体识别(4) -基于Bert进行商品标题实体识别[很详细]原创 2022-03-09 01:37:34 · 1957 阅读 · 7 评论 -
实体识别(3) -命名实体识别实践 BiLSTM-CRF
一文读懂BiLSTM+CRF实现命名实体识别原创 2022-03-09 00:59:26 · 3016 阅读 · 0 评论 -
实体识别(1) -实体识别任务简介
命名实体识别概念命名实体识别(Named Entity Recognition,简称NER) , 是指识别文本中具有特定意义的词(实体),主要包括人名、地名、机构名、专有名词等等,并把我们需要识别的词在文本序列中标注出来。例如有一段文本:李明在天津市空港经济区的税务局工作我们要在上面文本中识别一些区域和地点,那么我们需要识别出来内容有:李明(人名)、天津市(地点)、 空港经济区(地点)、税务局(组织)识别上述例子我们使用了以下几个标签:"B-ORG":组织或公司(organization)原创 2022-03-03 00:04:09 · 6347 阅读 · 0 评论