Wasserstein GAN是TensorFlow的一个简单实现
今天小编就为大家分享一篇tensorflow模型保存、加载之变量重命名实例,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
自定义命名实体识别 在此存储库中,我将构建一个自定义NER,该NER将具有诸如工作时间(JT),组织(ORG),工作角色(JR),工作技能(JS),资格(QN),文档(DOC),编程语言等实体(PL)
主动学习通过选择现有模型中未充分训练的数据进行迭代训练,从而利用少量标注数据训练出较高性能的模型。 传统的主动学习方法只关注数据本身的信息量而忽略了该数据是否孤立。论文提出一种改进的主动学习方法,利用
适合作为命名实体识别的补充预料,包括微软亚研院MSRA:46365条语料、人民日报:23061条语料和Boson:2000条语料。都是标注过的,非常实用,适合新手作为刚开始的模型练习。
主要实现使用了基于字向量的四层双向LSTM与CRF模型的网络.该项目提供了原始训练数据样本(一般醒目,出院情况,病史情况,病史特点,诊疗经过)与转换版本,训练脚本,预训练模型,可用于序列标注研究.把玩
中文命名实体识别 数据集 本项目尝试使用了多种不同的模型(包括HMM,CRF,Bi-LSTM,Bi-LSTM + CRF)来解决中文命名实体识别问题,数据集用的是论文ACL 2018 中收集的简历数据
msra公开命名实体训练语料,具体文档见压缩包,可以用于训练命名识别识别
农业知识图谱:农业领域的命名实体识别,实体解析,关系抽取,数据挖掘
anaGo anaGo是在Keras中实现的用于序列标记(NER,PoS标记等)的Python库。 anaGo可以解决序列标记任务,例如命名实体识别(NER),词性标记(POS标记),语义角色标记(S
