HSCRF pytorch

Hybrid Semi-Markov CRF

HSCRF erzielt den F1-Score von 91,38 +/- 0,10 im CONLL 2003 NER-Datensatz, ohne zusätzliche Korpus oder Ressource zu verwenden.

Installation

Pytorch

Der Code basiert auf Pytorch. Hier finden Sie Installationsanweisungen.

Abhängigkeiten

Der Code ist in Python 2.7 und Pytorch 0.2.0 geschrieben. Die Abhängigkeiten sind in der requirements.txt zusammengefasst.txt. Sie können diese Abhängigkeiten wie folgt installieren:

 pip install -r requirements.txt

Codereferenz

LM-LSTM-CRF

Verwendung

 CUDA_VISIBLE_DEVICES=0 python train.py --char_lstm --high_way

Worteinbettungen

Handschuh: Hier finden Sie das vorgebreitete Wort, das hier einbettet und Handschuh.6b.100D.txt in data/ platzieren.

Zitieren

Wenn Sie den Code verwenden, zitieren Sie bitte das folgende Papier: "Hybrid Semi-Markov CRF für neuronale Sequenzmarkierung" 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"
}