中文命名实体识别的研究

ner-lstm, 基于多层双向LSTM的命名实体识别 这里知识库包含实现以下Arxiv预编译中所述方法的代码： https://arxiv.org/abs/1610.09756，在 ICON-16

命名实体识别 (NER)试图将非结构化文本中的命名实体定位和分类为预先定义的类别,例如人名,组织,位置,医疗代码,时间表达,数量,货币价值,百分比等[1]。 该应用程序是用Python编写的,仅用于展

近年来，基于连续实值向量表示和通过非线性处理的语义组合的深度学习被应用到NER系统中，产生了最先进的性能。在这篇论文中，我们对现有的深度学习技术进行了全面的回顾。

使用Tensorflow命名实体识别 此仓库使用Tensorflow(LSTM + CRF +字符嵌入)实现NER模型。 一流的表现(F1分数在90到91之间)。 查看 任务 给定一个句子,给每个单词

新能源汽车命名实体存在实体边界模糊，多为未登录词，现存标注样本较少等问题，识别精确率和召回率较低。据此，提出了一种基于多通道神经网络（Multiple Channel Neural Network，M

本文主要研究基于深度学习模型的菊花古典诗词命名实体识别技术。通过对菊花古典诗词进行命名实体的识别，能够更好地理解其中所蕴含的文化内涵和艺术风格。本研究以崔竞烽.caj为基础文件，基于深度学习的技术方法

一个非常简单的BiLSTM-CRF模型用于中文命名实体识别(TensorFlow)

基于transR模型的命名实体识别方法并对其效果进行了评估。命名实体识别是信息抽取中的一个重要任务，通过识别文本中的人名、地名、机构名等实体，可以帮助机器理解和处理文本内容。transR模型是一种基于

为了降低生物医学文本中命名实体识别对目标领域标注数据的需求，将生物医学文本中的命名实体识别问题转换为基于迁移学习的隐马尔可夫模型问题。对要进行命名实体识别的目标领域数据集无须进行大量数据标注，通过迁移

介绍了一个基于句子抽取的单文档自动文摘系统，在该系统基础上应用了命名实体识别和指代消解技术，最后通过人工评价和自动评价结果讨论命名实体识别和指代消解对文摘系统的贡献。