caesar1993 / third_ner Goto Github PK
View Code? Open in Web Editor NEW项目描述: 1-训练能够识别出LOCATION、ORGANIZATION、PERSON、TIME等实体的NER模型 2-训练集1412句,验证集408句,二者格式相同,均是每句话中每个字对应一个label 关键步骤: 1-将模型设置为9分类模型,采用Bert+CRF结构,通过转移矩阵以增加实体分类准确率 2-PERSON类实体,准确率:0.979381, 召回率: 0.969388, F1: 0.974354 LOCATION类实体,准确率:0.899598, 召回率: 0.914286, F1: 0.906878 TIME类实体,准确率:0.919540, 召回率: 0.898876, F1: 0.909086 ORGANIZATION类实体,准确率:0.800000, 召回率: 0.916667, F1: 0.854364 3-多类实体的Macro-F1达到91%,micro-F1达到91%。