HSCRF pytorch
1.0.0
يحقق HSCRF درجة F1 من 91.38 +/- 0.10 على مجموعة بيانات CONLL 2003 NER ، دون استخدام أي مجموعة أو مورد إضافي.
يعتمد الرمز على Pytorch. يمكنك العثور على تعليمات التثبيت هنا.
الكود مكتوب في Python 2.7 و Pytorch 0.2.0. يتم تلخيص تبعياتها في requirements.txt الملف. يمكنك تثبيت هذه التبعيات مثل هذا:
pip install -r requirements.txt
LM-LSTM-CRF
CUDA_VISIBLE_DEVICES=0 python train.py --char_lstm --high_way
القفاز: يمكنك العثور على الكلمات التي تم تدريبها مسبقًا هنا ، ووضع Glove.6b.100d.txt في data/ .
إذا كنت تستخدم الرمز ، فيرجى الاستشهاد بالورقة التالية: "Hybrid Semi-Markov CRF لوضع تسلسل عصبي" Zhi-xiu ye ، Zhen-hua ling. ACL (2018)
@InProceedings{HSCRF,
author = "Ye, Zhixiu
and Ling, Zhen-Hua",
title = "Hybrid semi-Markov CRF for Neural Sequence Labeling",
booktitle = "Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers)",
year = "2018",
publisher = "Association for Computational Linguistics",
pages = "235--240",
location = "Melbourne, Australia",
url = "http://aclweb.org/anthology/P18-2038"
}
