08-LSTM 实体识别

模型都未进行调参，未能使模型的准确率达到最高

项目名称：

使用 LSTM 模型来对进行实体识别

项目环境：

pytorch、python
相关库安装

pip install -r requirement.txt

项目目录：

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

模型介绍

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

LSTM 模型视频讲解

项目数据集

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。

模型训练

python main.py

模型预测

python predict.py

博客地址

CSDN LSTM 文本实体识别

知乎 LSTM 文本实体识别

微信公众号 LSTM 文本实体识别

微信交流群

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。