BERT 命名实体识别 (pytorch实现)

BERT命名实体识别代码链接:

GitHub – kamalkraj/BERT-NER: Pytorch-Named-Entity-Recognition-with-BERT

数据集train.text 中的数据格式:

 Dev数据集测试命令行:

python run_ner.py –data_dir=/data  –bert_model=bert-base-cased –task_name=ner –output_dir=out_basess –max_seq_length=128 –do_train –num_train_epochs 5 –do_eval –warmup_proportion=0.1

运行结果截图:

 

 

Test 数据集测试命令行: 

python run_ner.py –data_dir=/data  –bert_model=bert-base-cased –task_name=ner –output_dir=out_basestest –max_seq_length=128 –do_train –num_train_epochs 5 –do_eval –eval_on test –warmup_proportion=0.1 

运行结果截图:

  

 

从实验结果开看,我比链接中显示的结果要略差一点,F1值低一些。我这边服务器的GPU配置是两个1080ti。

注:

Accuracy(准确率):预测正确的元素个数/总的元素个数

Precision(查准率): 预测正确的实体个数/预测的实体总个数

Recall(召回率):预测正确的实体个数/标注的实体总个数

F1 值:F1 = 2 *准确率 * 召回率 / (准确率 + 召回率)

文章出处登录后可见!

已经登录?立即刷新

共计人评分,平均

到目前为止还没有投票!成为第一位评论此文章。

(0)
上一篇 2022年5月24日 下午12:45
下一篇 2022年5月24日 下午12:49

相关推荐

本站注重文章个人版权,不会主动收集付费或者带有商业版权的文章,如果出现侵权情况只可能是作者后期更改了版权声明,如果出现这种情况请主动联系我们,我们看到会在第一时间删除!本站专注于人工智能高质量优质文章收集,方便各位学者快速找到学习资源,本站收集的文章都会附上文章出处,如果不愿意分享到本平台,我们会第一时间删除!