Top AI Repos — open-source AI, indexed and scored
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
Top AI Repos tracks AI repositories on GitHub and answers two different questions about each one: is it moving right now, and would you bet a product on it.
中文命名实体识别，实体抽取，tensorflow，pytorch，BiLSTM+CRF
| Date | Stars |
|---|---|
| 2026-07-24 | 1464 |
| 2026-07-25 | 1464 |
| 2026-07-28 | 1464 |
| 2026-07-30 | 1464 |
| 2026-08-06 | 1464 |
Today
— stars today
This week
— stars this week
This month
— stars this month
Momentum
0.0
growth rate 0.00%/day
# ChineseNER 本项目使用 + python 2.7 + tensorflow 1.7.0 + pytorch 0.4.0 对命名实体识别不了解的可以先看一下<a href="https://mp.weixin.qq.com/s/DUxbiVUykVSCLeYxRYd-LA" target="_blank">这篇文章</a>。顺便求star～ 这是最简单的一个命名实体识别BiLSTM+CRF模型。 ## 数据 data文件夹中有三个开源数据集可供使用，玻森数据 (https://bosonnlp.com) 、1998年人民日报标注数据、MSRA微软亚洲研究院开源数据。其中boson数据集有6种实体类型，人民日报语料和MSRA一般只提取人名、地名、组织名三种实体类型。 先运行数据中的python文件处理数据，供模型使用。 ## tensorflow版 ### 开始训练 使用 `python train.py` 开始训练，训练的模型会存到model文件夹中。 ### 使用预训练的词向量 使用 `python train.py pretrained` 会使用预训练的词向量开始训练，vec.txt是在网上找的一个比较小的预训练词向量，可以参照我的代码修改使用其他更好的预训练词向量。 ### 测试训练好的模型 使用 `python train.py test` 进行测试，会自动读取model文件夹中最新的模型，输入中文测试即可，测试结果好坏根据模型的准确度而定。 <img src="./test.png" width="70%"/> ### 文件级别实体抽取 使用 `python train.py input_file output_file` 进行文件级实体抽取。 可以自动读取model文件夹中最新的模型，将`input_file`中的实体抽取出来写入`output_file`中。先是原句，然后是实体类型及实体（可按照需要修改）。 如 `python train.py test1.txt res.txt` , res.txt内容如下： > <img src="./test2.png" width="70%" /> 不定期增加其他修改。。 ## pytorch版 直接用的<a href="https://pytorch.org/tutorials/beginner/nlp/advanced_tutorial.html">pytorch tutorial</a>里的Bilstm+crf模型. 运行train.py训练即可。由于使用的是cpu，而且也没有使用batch，所以训练速度超级慢。想简单跑一下代码的话，建议只使用部分数据跑一下。pytorch暂时不再更新。 ## 准确率 参数并没有调的太仔细，boson数据集的f值在70%~75%左右，人民日报和MSRA数据集的f值在85%~90%左右。（毕竟boson有6种实体类型，另外两个只有3种） ## 更新日志 2018-9-15 增加tensorflow版本。 2018-9-17 增加1998年人民日报数据集和MSRA微软亚洲研究院数据集。 2018-9-19 简单修改了代码风格，将model提取出来，方便以后拓展。 2018-9-22 增加 `python train.py test` 功能。 2018-10-6 增加使用参数确定是否使用预训练词向量进行训练。 2018-10-11 增加功能：可以抽取一个文本文件中的实体，写入另一个文件中。
Excerpt of 1,504 characters
Read on GitHub
23
Would you bet a product on this? Bounded 0–100 and slow moving.
matched fp:68df91c2d2538529, topic:pytorch, topic:tensorflow
matched fp:68df91c2d2538529, topic:named-entity-recognition