nercorpora Europeana报纸命名实体识别数据.zip

CRF+bilatm 中文实体命名识别, 支持python3，使用的是1998年人民日报标注数据

这份数据集包含了逾5万条高质量的中文命名实体识别数据，采用了IOB2格式，并符合CoNLL 2002和CRF++的标准。数据集覆盖了多个领域的文本，包括新闻、社交媒体、科技和医疗等。其中包含了人名、地

命名实体识别是自然语言处理领域的一项基础性技术。近年来微博等网络社交平台发展迅速,其独特的形式对传统的命名实体识别技术提出了新的挑战。故提出一种基于条件随机场模型的改进方法,针对微博文本短小、语义含糊

微软亚研的中文分词、词性标注和命名实体识别语料，包括训练和验证集，xml格式，方便使用，机器学习、信息检索以及NLP领域的研究人员使用来训练模型

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

一种松耦合的生物医学命一种松耦合的生物医学命名实体识别算法名实体识别算法

ner_elmo 用ELMO命名实体识别(语言模型的嵌入)

动机:在生物医学研究中,化学是一类重要的实体,化学命名实体识别(NER)是生物医学信息提取领域中的一项重要任务。 但是,大多数流行的化学NER方法都基于传统的机器学习,其性能在很大程度上取决于特征工程