源自 python自动化运维:技术与最佳实践 并做略微修改 安装 yum install python-rrdtool
yum install rrdtool-devel
#因为采集用了psutil模块，所以安装
pip3 install psutil
pip3 install rrdtool 常用方法，就随便从网上down了些，具体最好去看一下相关的源码，方便理
## Python NER 使用
命名实体识别（Named Entity Recognition，简称NER）是自然语言处理（Natural Language Processing，简称NLP）中重要的任务之一。NER的目标是从文本中识别出具有特定意义的实体，例如人名、地名、组织机构等。Python提供了多个库和工具，可以方便地进行NER的开发和使用。
### 1. SpaCy库
SpaCy
原创
2024-02-09 08:33:28
120阅读
# Python 实现中文命名实体识别 (NER) 教程
中文命名实体识别（NER）是一项自然语言处理（NLP）任务，旨在从文本中识别具有特定意义的实体，例如人名、地名、组织名等。对于刚入行的小白，了解如何在Python中实现中文NER是一个很好的起点。本文将通过步骤分解、代码示例和可视化图表来帮助你理解这一过程。
## 整体流程
在实施中文NER的过程中，我们可以将其分为以下几个步骤：
自然语言处理的大部分任务是监督学习问题。序列标注问题如中文分词、命名实体识别，分类问题如关系识别、情感分析、意图分析等，均需要标注数据进行模型训练。深度学习大行其道的今天，基于深度学习的 NLP 模型更是数据饥渴。本文分享一个中文文本标注工具Chinese-Annotator。 https://github.com/crownpku/Chinese-Annotator 最前沿的
转载
2023-07-27 20:53:07
521阅读
Named Entity Recognition目录Named Entity Recognition1. NER1.1 NER定义1.2 数据格式1.2.1 BIO1.2.2 BIOES1.3 开源库1.4 相关数据集1.5 方法2. BILSTM2.1 BILSTM classify2.2 BILSTM seq encode3. NER应用：NER-BILSTM-CNN4. NER应用：BERT
转载
2024-03-11 22:02:58
578阅读
NLP:命名实体识别（NER）1.NER相关简介1.1概念1.2分类2.关于NER的方法（概述）2.1基于规则的方法2.1.1概念相关2.1.2优缺点2.2基于模型的方法2.2.1基于传统机器学习的方法（主要）2.2.2基于深度学习的方法（主要）2.3混合方法3.中文NER 的难点（主要） 1.NER相关简介1.1概念命名实体识别(Named EntitiesRecognition, NER)是
转载
2023-08-16 05:06:27
81阅读
1 背景 前面一篇文章 NLP预训练模型2 – BERT详解和源码分析 中，我们从模型结构、实现源码、实验结果等角度，分析了预训练语言中大名鼎鼎的BERT模型。BERT大幅刷新的GLUE得分，提高了7.7个点之多，甚至有些中文NLP任务上达到了人类水平。那是不是在预训练模型方面就没法进行其他创新了呢，答案显然是否定的。前文中我们也提到了BERT存在的很多缺点，从预训练任务、模型结构、语料数据、模型
转载
2023-10-13 19:52:39
118阅读
# NER NLP：命名实体识别与自然语言处理
## 引言
在自然语言处理（Natural Language Processing, NLP）领域中，命名实体识别（Named Entity Recognition, NER）是一项重要的任务。它指的是从文本中识别出具有特定意义的实体，如人名、地名、组织机构名等。NER在信息抽取、机器翻译、问答系统等应用中起到关键作用。本文将介绍NER的基本概念
原创
2023-09-03 10:23:29
64阅读
我始终认为，手写笔记与涂鸦才是最直接高效的记录方式。由于手写非常自由，无需理会排版换行，无论在学习课堂还是工作开会等场景，效率和直观性上都秒杀传统的打字输入方式。加上如今 Apple Pencil、Surface Pen 等触控笔的出现，使得在 iPad Pro、Surface 上面有着极佳的书写体验。然而，像印象笔记、OneNote、Notability、Word&
# 自然语言处理中的命名实体识别（NER）入门
命名实体识别（Named Entity Recognition，NER）是自然语言处理（Natural Language Processing，NLP）中的一个重要任务，其目标是识别文本中的专有名词，例如人名、地名、组织机构名等。在这篇文章中，我们将介绍NER的基本概念、工作流程，并通过代码示例展示如何实现NER。
## NER的基本概念
在处
原创
2024-08-09 10:41:54
78阅读
前两天刚做完毕设答辩slide，最近浏览知乎的时候发现有人分享一篇2020年的NER综述，做下论文笔记，同时也分享一下自己的的想法。吐槽一句，知乎图片插入好麻烦，不能随心所欲的粘贴...论文《A Survey on Deep Learning for Named Entity Recognition》链接：https://arxiv.org/pdf/1812.09449.pdf目前已被数据挖掘顶刊TKDE收录，先膜拜！目录全文简介 NER任务简介 NER标注语料库（公开评测集） o
转载
2020-06-08 12:42:37
457阅读
近年来，基于神经网络的深度学习方法在自然语言处理领域已经取得了不少进展。作为NLP领域的基础任务—命名实体识别（Named Entity Recognition，NER）也不例外，神经网络结构在NER中也取得了不错的效果。最近，我也阅读学习了一系列使用神经网络结构进行NER的相关论文，在此进行一下总结，和大家一起分享学习。1 引言  
转载
2024-08-09 16:46:45
73阅读
原创
2022-07-19 12:09:43
76阅读
# 学习使用 HanLP 进行英文命名实体识别（NER）
在当今信息化时代，命名实体识别（NER）是一项不可或缺的技术，它可以帮助我们从大量文本数据中抽取出人名、地名、组织名等关键信息。HanLP 是一个功能强大的自然语言处理工具，其支持英文 NER 的功能也非常强大。在这篇文章中，我们将逐步了解如何使用 HanLP 实现英文 NER。
## 1. 流程概述
下面的表格展示了使用 HanLP
原创
2024-09-07 06:27:24
57阅读
# NER（命名实体识别）与开源NLP工具的应用
命名实体识别（NER，Named Entity Recognition）是自然语言处理（NLP，Natural Language Processing）中的一个重要任务，旨在从文本中识别出具有特定意义的实体，如人名、地名、日期和组织名等。随着开源NLP工具的发展，NER的应用变得更加便捷。本文将介绍NER的基本概念、应用实例，及其在开源NLP工具
上周推荐了一篇NER的论文，这周算是把这篇综述看完了，感觉自己的收获挺大的（老是感觉自己看过写过，但是又没找到），给大家介绍一下。A Survey on Deep Learning for Named Entity Recognition.总评这篇综述让我感受到比较完整的NER世界观是啥样的，问题定义、问题拆解、常用方法及其评价、模型评估、拓展等，由于是综述，全面性满满，具体的方法可以在参考文献里
1.数据 数据部分需要两个文件，一个是字符转化成索引的字典char2id.json，一个是用来训练的语料data.json。 char2id.json字典格式如下 {"UNK": 0, "淖": 20, "箩": 21, "雨": 22, "漳": 23,...} data.json语料格式如下 [ ...
转载
2021-10-30 16:57:00
161阅读
2评论
HanLP是一个强大的自然语言处理工具，提供了多种功能，其中之一就是命名实体识别（NER）。在业务场景中，NER模型帮助提取文本中的关键实体，如人名、地名、组织名等，因而在信息检索、知识图谱构建和智能问答等应用中起着至关重要的作用。其业务影响可以用下述公式表示：
\[
Impact = \sum_{i=1}^{n} \left( \text{Entity}_{i} \times \text{Re
1 Python 迭代器迭代器是一种对象，该对象包含值的可计数数字。迭代器是可迭代的对象，这意味着您可以遍历所有值。从技术上讲，在 Python 中，迭代器是实现迭代器协议的对象，它包含方法 __iter__() 和 __next__()。2 迭代器 VS 可迭代对象（Iterable）列表、元组、字典和集合都是可迭代的对象。它们是可迭代的容器，可以从中获取迭代器（Iterator）。所有这些对象
转载
2024-10-31 13:10:29
14阅读
# HanLP NER 增量训练详解
在自然语言处理（NLP）任务中，命名实体识别（NER）是一个重要且常用的技术。命名实体识别的目标是从文本中识别出特定的实体，例如人名、地名、日期等。在实际应用中，随着数据的不断变化，可能需要对NER模型进行增量训练（即在已有模型基础上继续训练）。本文将介绍使用 HanLP 进行 NER 增量训练的基本原理和代码示例。
## 什么是增量训练？
增量训练是指
