Skip to content

zpppy/LSTM-CRF-For-Named-Entity-Recognition

Repository files navigation

LSTM-CRF-For-Named-Entity-Recognition

本项目主要参考《Adversarial Learning for Neural Dialogue Generation》这篇论文,使用Bi-LSTM+CRF模型实现了中文实体命名识别,无需像传统CRF需要进行人为设定特征函数,特征选择等工作。

  • 字向量表示阶段;每个字的represention是由两种方式的向量进行融合:①字向量,采用word2vec基于wiki中文语料库进行训练得到的字向量作为fine-tuning;②位置向量,采用jieba分词对每个句子进行分词,其中单个字用“0”表示,词的开头用“1”表示,词的中间用“2”表示,词的末尾用“3”表示。
  • 模型构建阶段;采用lstm+crf的架构计算每种seq_tag的分数。分数由两部分组成:①由lstm计算得到的unary_score(一元分数);②由crf层维护的binary_score(二元分数);
  • 模型训练阶段通过极大对数似然估计更新参数;预测阶段采用维特比算法求除最有可能的 sequence_tag。
  • 结果;迭代50次后,模型的评价指标如下:accuracy: 98.53%; precision: 90.31%; recall: 90.09%; FB1: 90.20。(其实到42次的时候模型差不多已经收敛了)。

关于crf层的实现及其源码解析可以参考我的个人博客:

https://blog.csdn.net/asrgreek/article/details/87905581

模型训练: python main.py --train=True --clean=True

模型预测: python main.py

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published