CoNLL2003命名实体识别

目录结构和介绍

.
├── allennlp-source-code # allennlp源码
├── configs # 模型配置文件
├── data # 数据集
├── models # 生成的模型目录，不包含大模型，只保存了训练日志和结果
│   ├── model_bert # BERT+BiLSTM+CRF
│   ├── model_bilstm_crf # BiLSTM+CRF
│   ├── model_bilstm_crf_focalloss # BiLSTM+CRF+FocalLoss
│   ├── model_cnn # CNN+BiLSTM+CRF
│   ├── model_crf # CRF only
│   ├── model_crf_facolloss # CRF with FocalLoss
│   ├── model_hmm # HMM only
│   └── model_roberta_crf # RoBERTa+BiLSTM+CRF
│   └── model_roberta_crf_focalloss # RoBERTa+BiLSTM+CRF+FocalLoss
├─── ner_modules # 包含HMM和CRF tagger
│   ├── crf_tagger.py # CRF tagger
│   ├── crf_tagger_facol_loss.py # CRF tagger with Focal Loss
│   ├── conditional_random_field_2.py # Crf with Focal Loss
│   ├── hmm_pre.py # 第一版HMM模型
│   └── hmm.py # 第二版HMM模型
└── report # 项目报告

运行方式

1. clone到本地
   • git clone https://github.com/HanielF/ner_with_allennlp.git
2. 主要依赖环境介绍：
   • python== 3.7
   • pytorch== 1.8.1
   • allennlp== 2.4.0
   • allennlp-models==2.4.0
   • conda create -n allennlp python=3.7
   • conda activate allennlp
   • pip install allennlp==2.4.0
   • pip install allennlp-models==2.4.0
   • ``
3. 切换到项目路径
   • cd ner_with_allennlp
4. HMM运行方式
   • python ner_modules/hmm.py
5. CRF/CNN/BiLSTM/BERT/RoBERTa运行方式
   • bash run.sh crf
   • bash run.sh cnn
   • bash run.sh bilstm_crf
   • bash run.sh bert
   • bash run.sh roberta_crf

项目报告节选