HSCRF pytorch

CRF semi-Markov híbrido

HSCRF logra la puntuación F1 de 91.38 +/- 0.10 en el conjunto de datos NER de Conll 2003, sin usar ningún corpus o recurso adicional.

Instalación

Pytorch

El código se basa en Pytorch. Puede encontrar instrucciones de instalación aquí.

Dependencias

El código está escrito en Python 2.7 y Pytorch 0.2.0. Sus dependencias se resumen en los requirements.txt del archivo.txt. Puede instalar estas dependencias como esta:

 pip install -r requirements.txt

Referencia de código

LM-LSTM-CRF

Uso

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

incrustaciones de palabras

Glove: puede encontrar la incrustación de palabras previamente entrenada aquí, y colocar guante.6b.100d.txt en data/ .

Citar

Si usa el código, cita el siguiente documento: "Hybrid Semi-Markov CRF para etiquetado de secuencia neural" 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"
}