注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. BERT-BiLSTM-CRF-master.zip

  2. 命名实体识别代码，解压即可用 # BERT-BiLSTM-CRF BERT-BiLSTM-CRF的Keras版实现 ## BERT配置 1. 首先需要下载Pre-trained的BERT模型，本文用的是Google开源的中文BERT模型： - https://storage.googleapis.com/bert_models/2018_11_03/chinese_L-12_H-768_A-12.zip 2. 安装BERT客户端和服务器 pip install bert-serving-s

  3. 所属分类：互联网

    • 发布日期：2020-07-17
    • 文件大小：904192
    • 提供者：gdufsTFknight

  1. 深度学习命名实体识别数据

  2. 资源是关于利用BERT模型来训练命名实体识别的数据，其中包括训练，测试，预测用的数据，结合唐老师的历程和github 代码实现

  3. 所属分类：深度学习

    • 发布日期：2020-12-01
    • 文件大小：1048576
    • 提供者：weixin_41956783

  1. 【BERT系列】——命名实体识别

  2. 本文是BERT实战的第二篇，使用BERT进行命名实体识别（序列标注类任务）。 1. 准备 1.1 环境 python 3.7； pytorch 1.3； transformers 2.3 （安装教程）； 1.2 数据 数据链接（链接：https://pan.baidu.com/s/1spwmV3_07U0HA9mlde2wMg 提取码：reic）； 2. 实战 2.1 训练代码 lr = 5e-5 max_length = 256 batch_size = 8 epoches = 20 cud

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：34816
    • 提供者：weixin_38750406

  1. calvin-s-project:2018512-源码

  2. 项目清单： 2021/01/11来自贡献 计算机视觉研究-房屋检测中的语义分割（2021） 机器学习组合设计-创业项目（由于机密问题，仅上传了一些代码） •台湾股票网络爬虫，包括财务报告和个人股票报告•ML股票价格预测研究-LSTM，Seq2Seq，注意力，WGAN-GP，WGAN，GAN 有限的训练数据中的NLP姿态检测系统-Factmata UK （由于知识产权，无法上传代码） •通过python包进行可视化，例如降维-tSNE •文本挖掘•半监督学习，BERT，变分自动编码器分类器，数据

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：3072
    • 提供者：weixin_42181888

  1. BERT-NER：使用Google的BERT进行命名实体识别（CoNLL-2003作为数据集）-源码

  2. 为了获得更好的性能，您可以尝试NLPGNN，有关更多详细信息，请参见 。 BERT-NER版本2 使用Google的BERT进行命名实体识别（CoNLL-2003作为数据集）。 原始版本（有关更多详细信息，请参见old_version）包含一些硬代码，并且缺少相应的注释，因此不方便理解。 因此，在此更新版本中，有一些新的想法和技巧（关于数据预处理和图层设计）可以帮助您快速实现微调模型（您只需尝试修改crf_layer或softmax_layer）。 资料夹说明： BERT-NER |___

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：2097152
    • 提供者：weixin_42122306

  1. nlp-journey：与自然语言处理有关的文档，文件和代码，包括主题模型，单词嵌入，命名实体识别，文本分类，文本生成，文本相似性，机器翻译）等。 所有代码均已实现intensorflow 2.0-源码

  2. NLP旅程 全部在tensorflow 2.0中实现， 1.基础 2.书籍（ 代码：txqx） 图形模型手册。 深度学习。 神经网络和深度学习。 语音和语言处理。 3.论文 01）变压器纸 BERT：用于语言理解的深度双向变压器的预训练。 GPT-2：语言模型是无监督的多任务学习者。 Transformer-XL：Transformer-XL：超出固定长度上下文的注意力语言模型。 XLNet：用于语言理解的通用自回归预训练。 RoBERTa：稳健优化的BERT预训练方法。 D

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：5242880
    • 提供者：weixin_42103587

  1. fastNLP：fastNLP：模块化和可扩展的NLP框架。 目前仍在孵化中-源码

  2. 快速NLP fastNLP是一种轻量级的自然语言处理（NLP）工具包，目标是快速实现NLP任务以及内置复杂模型。 fastNLP具有如下的特性： 统一的Tabular式数据容器，简化数据预处理过程； 内置多种数据集的Loader和Pipe，省去预先代码； 各种方便的NLP工具，例如嵌入式加载（包括ELMo和BERT），中间数据缓存等； 部分的自动下载； 提供多种神经网络组件以及复现模型（包括中文分词，命名实体识别，句法分析，文本分类，文本匹配，指代消解，摘要等任务）； Trainer提供多

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：3145728
    • 提供者：weixin_42116794