内容简介:基于神经网络的命名实体识别 NeuroNER
本文主要介绍了一种基于神经网络的命名实体识别系统 NeuroNER,并附上了安装、下载的项目地址,希望对自然语言处理感兴趣的同学有所帮助。
NeuroNER 下载项目地址:https://github.com/Franck-Dernoncourt/NeuroNER
什么是命名实体识别(NER)?
NER 旨在识别文本中的有趣实体,例如位置、组织和时序表达。识别实体可被用于各种下游应用,比如病历去识别化(de-identification)和信息提取系统,也可作为其他自然语言处理任务机器学习系统的特征。
NeuroNER 能做什么?
NeuroNER 是一个能完成 NER 任务的项目:
NeuroNER 相比于已由的 NER 系统,能提供以下优势:
- 利用神经网络的顶尖预测能力(也就是深度学习)
- 让用户能够创造新的语料库或修改已有语料库
- 它是跨平台的、开源的、免费直接使用的
如何使用 NeuroNER?
下图对 NeuroNER 的功能做出了简要介绍,具体描述如下:
- 训练神经网络完成 NER 任务。在训练的过程中,NeuroNER 允许监控网络。
- 评估 NeuroNER 所做预测的质量。表现标准可通过预测标签与金色标签的对比来计算、标绘。如果测试集与训练和验证集同时提供,评估也可在训练的同时完成,或者在训练后分开完成,或者使用预训练模型。
- 部署 NeuroNER 作为产品使用:NeuroNER 标记了部署集,也就是没有金色标签的新文本。
NeuroNER 引擎如何工作?
NeuroNER 引擎基于人工神经网络,特别是依赖一种循环神经网络的变体 LSTM。NER 引擎的人工神经网络包含三层:
- 字符增强的 token 嵌入(Character-enhanced token-embedding)层
- 标签预测层
- 标签序列优化层
下图展现了 NeuroNER 引擎中用到的人工神经网络的架构:
如何安装 NeuroNER
GitHub 上的 repository 解释了安装指南,以下视频展示了使用安装脚本在 Ubuntu 上进行安装有多么简单:脚本会安装你所需的所有东西,然后在 CoNLL-2003 数据集上进行训练。在数个训练 epoch 之后,模型获得了顶尖的成果。
原文链接:http://neuroner.com/
以上所述就是小编给大家介绍的《基于神经网络的命名实体识别 NeuroNER》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- EF架构~FluentValidation实体检验与实体分离了
- 表单 – 如何使用实体列表(CRUD)从模板中删除实体?
- MyBatis Generator配置文件--指定生成实体类使用实际的表列名作为实体类的属性名
- 命名实体识别技术
- XML实体扩展攻击
- [DeepNLP] 初识命名实体识别
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
游戏编程算法与技巧
【美】Sanjay Madhav / 刘瀚阳 / 电子工业出版社 / 2016-10 / 89
《游戏编程算法与技巧》介绍了大量今天在游戏行业中用到的算法与技术。《游戏编程算法与技巧》是为广大熟悉面向对象编程以及基础数据结构的游戏开发者所设计的。作者采用了一种独立于平台框架的方法来展示开发,包括2D 和3D 图形学、物理、人工智能、摄像机等多个方面的技术。《游戏编程算法与技巧》中内容几乎兼容所有游戏,无论这些游戏采用何种风格、开发语言和框架。 《游戏编程算法与技巧》的每个概念都是用C#......一起来看看 《游戏编程算法与技巧》 这本书的介绍吧!