BERT-NER: 使用BERT进行Pytorch命名实体识别

BERT-NER: 使用BERT进行Pytorch命名实体识别

去发现同类优质开源项目:https://gitcode.com/

BERT-NER 是一个基于 Pytorch 的命名实体识别（NER）项目，利用 Google 开发的 BERT 模型对 CoNLL-2003 数据集进行实体识别任务。

项目描述

本项目采用了 BERT 的预训练模型，以 Python 语言进行模型训练，并通过 C++ 实现推理。在运行之前，请确保安装了必要的依赖项，可以通过以下命令安装：

pip3 install -r requirements.txt

启动实体识别训练过程，请使用以下命令：

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

在完成训练后，模型在验证数据集上的评估结果如下：

• 准确率 (precision): 0.9677
• 召回率 (recall): 0.9745
• F1 分数 (f1-score): 待计算
• 支持度 (support): 待计算

请注意，以上结果是基于 BERT 库在验证数据集上的表现。

注意事项

• 请确保使用 Python 3 环境进行操作。
• 项目依赖项必须通过 requirements.txt 文件进行安装。
• 运行本项目前，请详细阅读相关文档和指南。

去发现同类优质开源项目:https://gitcode.com/