命名实体识别

命名实体识别（Named Entity Recognition, NER），也称序列标注（Sequence Tagging） 可用于问答、对话任务中的实体和槽位识别、也可用于OCR后文本信息的结构化处理

实现方案

• 方案1: BiLSTM/BERT + CRF (已完成)
• 方案2: BiLSTM/BERT + SPAN (已完成) 效果：f1: 0.80654, precision: 0.81038, recall: 0.80273, best f1: 0.80654

目前支持标签种类

地址（address）、书名（book）、公司（company）、游戏（game）、政府（government）、电影（movie）、姓名（name）、组织机构（organization）、职位（position）、景点（scene）

调用方法

''' from ner_api.inference_crf import NerModel

model = NerModel(model_name='model/ner_robert_base_crf_20201225.ckpt')

model = NerModel(model_name='model/ner_robert_base_span_20201216.ckpt') res = model.extraction_spo(text) '''

开发日志

2020/12/25 完成第一版线上部署代码

依赖

• tensorflow-gpu==1.14.0
• tensorflow==1.14.0

数据来源

• https://github.com/CLUEbenchmark/CLUENER2020
• 技术报告： https://arxiv.org/abs/2001.04351