模型都未进行调参,未能使模型的准确率达到最高
使用 LSTM 模型来对进行实体识别
pytorch、python
相关库安装
pip install -r requirement.txt
LSTM
|--data 数据
|--model 保存的模型
|--img 存放模型相关图片
|--config.py 配置文件
|--main.py 主函数
|--model.py 模型文件
|--predict.py 预测文件
|--requirement.txt 安装库文件
|--utils.py 数据处理文件
LSTM(Long_short_term_memory),使用LSTM模型可以更好的捕捉到较长距离的依赖关系,通过训练可以学到记忆那些信息和遗忘那些信息,
能解决梯度爆炸和梯度弥散问题,可以处理更长的文本数据。
遗忘门(记忆门):
输入:前一时刻的隐层状态,当前时刻的输入词
输出:遗忘门的值
输入门:
输入:前一时刻的隐层状态,当前时刻的输入词
输出:记忆门的值,临时细胞状态
输出门:
输入:前一时刻的隐层状态,当前时刻的输入词,当前时刻细胞状态
输出:输出们的,隐层状态
数据集用的是论文【ACL 2018Chinese NER using Lattice LSTM】中从新浪财经收集的简历数据。
python main.py
python predict.py
我们有一个微信交流群,大家如果有需要,可以加入我们,一起进行学习。关注公众号后会有一个私人微信,添加微信,备注进群,就可以拉你进群,进行学习。