HSCRF pytorch

Hybrid Semi-Markov CRF

O HSCRF atinge a pontuação F1 de 91,38 +/- 0,10 no conjunto de dados NER de Conll 2003, sem usar nenhum corpus ou recurso adicional.

Instalação

Pytorch

O código é baseado em pytorch. Você pode encontrar instruções de instalação aqui.

Dependências

O código é escrito em Python 2.7 e Pytorch 0.2.0. Suas dependências estão resumidas nos requirements.txt de arquivo.txt. Você pode instalar essas dependências como esta:

 pip install -r requirements.txt

Referência de código

LM-LSTM-CRF

Uso

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

incorporação de palavras

Glova: você pode encontrar a palavra pré-treinada incorporando aqui e colocar luvas.6b.100d.txt em data/ .

Citar

Se você usar o código, cite o seguinte artigo: "Hybrid Semi-Markov CRF para rotulagem de sequência 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"
}