人工智能培训

搜索

论文代码开源:中国NER使用莱迪思LSTM(Chinese NER Using Lattice LSTM)

[复制链接]
admin 发表于 2018-7-2 09:59:04 | 显示全部楼层 |阅读模式
admin 2018-7-2 09:59:04 1652 0 显示全部楼层
人工智能论文代码开源:中国NER使用莱迪思LSTM(Chinese NER Using Lattice LSTM)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch。我们调查了中国NER格子结构的LSTM模型,该模型编码输入字符序列以及匹配alexicon的所有潜在词。与基于字符的方法相比,我们的模型明确地使用了字和单词序列信息。与基于字的方法相比,latticeLSTM不会遭受分割错误。门控复发细胞允许我们的模型从句子中选择最相关的字符和单词以获得更好的NER结果。在各种数据集上的实验表明,格LSTM不仅执行基于字和基于字符的LSTM基线,而且获得最好的结果。
We investigate a lattice-structured LSTM model for Chinese NER, which encodesa sequence of input characters as well as all potential words that match alexicon.Compared with character-based methods, our model explicitly leveragesword and word sequence information.Compared with word-based methods, latticeLSTM does not suffer from segmentation errors.Gated recurrent cells allow ourmodel to choose the most relevant characters and words from a sentence forbetter NER results.Experiments on various datasets show that lattice LSTMoutperforms both word-based and character-based LSTM baselines, achieving thebest results.论文代码开源:中国NER使用莱迪思LSTM(Chinese NER Using Lattice LSTM) QIy5S3BAWzrWYva3.jpg
URL地址:https://arxiv.org/abs/1805.02023v3     ----pdf下载地址:https://arxiv.org/pdf/1805.02023v3    ----         ----github下载地址:https://github.com/jiesutd/LatticeLSTM    ----    论文代码开源:中国NER使用莱迪思LSTM(Chinese NER Using Lattice LSTM)请注意该人工智能论文代码开源在github,大部分是python写的,框架可能是tensorflow或者pytorch,keras,至于具体是哪一个没有完全测试。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则 返回列表 发新帖

admin当前离线
管理员

查看:1652 | 回复:0

快速回复 返回顶部 返回列表