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
# 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
# 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
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
# 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
目录Flask0.Flask简介wsgiref1.安装2.werkzeug简介3.flask快速使用案例：登录，显示用户信息作业：登录认证装饰器4配置文件方式一方式二5路由系统典型写法默认转换器路由系统本质CBV(源码分析)app.add_url_rule参数支持正则6模版6.1渲染变量6.2变量的循环6.3逻辑判断7请求响应8.sessionapp.session_interface中save_
分类问题是NLP（Natural Language Processing，自然语言处理）领域的经典常见任务，而随着预训练模型的发展，预训练时代下的文本分类算法逐步成为了我们从事NLP相关工作的必备技能。本文作为NLP经典任务入门的实践总结，结合了最前沿的算法、开源工具（飞桨自然语言处理模型库PaddleNLP）与代码实操、工作实践，希望借此抛砖引玉一、场景介绍文本分类，顾名思义，就是对给定的一个句
转载
2024-05-22 17:04:08
136阅读
# 使用Stanford NER进行命名实体识别的科普文章
命名实体识别（NER）是自然语言处理（NLP）领域的一项重要任务，旨在识别文本中的特定实体，如人名、地点、组织等。在众多的NER工具中，Stanford NER因其高效性和准确性而被广泛使用。本文将介绍如何利用Stanford NER进行训练，并提供相应的代码示例。
## 什么是命名实体识别（NER）
命名实体识别是一种信息提取的过
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
14天阅读挑战赛NLP最著名的语言模型-BERT一、传统方法的问题例如我们采用RNN训练模型时，无法进行并行训练，下一步的输出依赖于上一步的输出结果，不能独立计算。 因此有的学者想将RNN模型进行改进，实现并行计算，从而提出了transformer。 传统的word2Vec遇到的问题是，训练好的词向量就再也不会变了。二、注意力机制Attention： 对于当前输入的数据的关注点是什么，如何让计算机
转载
2024-02-04 21:54:08
75阅读
# 理解AI模型：NLP、NER和OCR
随着人工智能技术的不断进步，许多领域都从中受益，尤其是在自然语言处理（NLP）、命名实体识别（NER）和光学字符识别（OCR）等方面。本文将逐一介绍这三种技术，并提供相关的代码示例，帮助你更好地理解它们的应用与实现。
## 什么是自然语言处理 (NLP)
自然语言处理（NLP）是人工智能的一个重要分支，它旨在使计算机能够理解、解释、生成人类语言。NL
原创
2024-10-20 05:09:10
248阅读
1.概述序列标注包括自然语言处理中的分词，词性标注，命名实体识别，关键词抽取，词义角色标注等。解决方案是NN模型（神经网络模型）+CRF命名实体识别（Named Entity Recognition，简称NER）是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、日期、时间、百分数、货币等。这里就需要理解句子的词性。词性是词汇的语法属性，是连接词汇到句法的桥梁，一个词的词性与它在句子中的
转载
2023-11-06 18:45:10
135阅读
什么是语言模型本文参考维基百科语言模型 language model 统计语言模型是一个单词序列上的概率分布，对于一个给定长度为m的序列，它可以为整个序列产生一个概率 P(w_1,w_2,…,w_m) 。其实就是想办法找到一个概率分布，它可以表示任意一个句子或序列出现的概率。 目前在自然语言处理相关应用非常广泛，如语音识别(speech recognition) , 机器翻译(machine tr
转载
2024-03-10 18:21:46
70阅读
快递单关键信息抽取1. 项目概述本项目主要介绍如何使用飞桨自然语言处理开发库PaddleNLP完成快递单信息抽取：从用户提供的快递单中，抽取姓名、电话、省、市、区、详细地址等内容，形成结构化信息，如 图1 所示，辅助物流行业从业者进行有效信息的提取，从而降低客户填单的成本。
图1：快递单信息收取示意
技术难点从物流信息中抽取想要的关键信息，实际上是自然语言处理中的实体抽取任务，这类
转载
2023-10-03 06:53:08
172阅读
命名实体识别（Named Entity Recognition，NER）是NLP中一项非常基础的任务。NER是信息提取、问答系统、句法分析、机器翻译等众多NLP任务的重要...
原创
2022-10-12 21:08:29
288阅读
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
最基础的NLP任务：NER
原创
2021-08-11 11:12:21
1695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
序列标注任务是中文自然语言处理（NLP）领域在句子层面中的主要任务，在给定的文本序列上预测序列中需要作出标注的标签。常见的子任务有命名实体识别（NER）、Chunk 提取以及词性标注（POS）等。BERT 模型刷新了自然语言处理的 11 项记录，成为 NLP 行业的新标杆。既然 Google 开源这么好的模型架构和预训练的中文模型，那我们就使用它构建一个序列标注模型。PS: 最近我开源了一个极简文
原创
2021-03-31 17:24:13
2813阅读
