【源码】基于Keras和BERT的中文命名实体识别系统

项目简介

本项目是基于Keras和BERT的中文命名实体识别（NER）系统。借助预训练的BERT模型开展特征提取工作，并结合Keras框架实现对中文文本里命名实体的识别与分类。该系统支持BERT、RoBERTa、MacBERT和BERT - wwm等多种预训练模型，可适用于医疗领域的肺结节数据集。

项目的主要特性和功能

1. 多模型支持：支持BERT、RoBERTa、MacBERT和BERT - wwm等多种预训练模型。
2. 数据处理：提供数据预处理脚本，涵盖数据加载、转换和统计功能。
3. 模型训练：提供训练脚本，支持模型的训练和调优。
4. 模型评估：提供评估脚本，输出实体识别的准确率、召回率和F1分数。
5. 预测功能：提供预测脚本，支持对新文本的命名实体识别。

安装使用步骤

假设用户已经下载了本项目的源码文件，按以下步骤操作：

安装依赖

1. 安装Python 3.6或更高版本。
2. 使用pip安装项目依赖： bash pip install -r requirements.txt

数据准备

1. 准备训练和测试数据集，格式为BIO格式。
2. 使用DataProcess/load_data.py生成label2id.txt文件。

训练模型

1. 修改config/config.py中的参数，如MAX_SEQ_LEN。
2. 下载预训练模型权重，并放置在相应目录。
3. 运行train.py进行模型训练： bash python train.py

评估模型

1. 运行evaluate.py进行模型评估： bash python evaluate.py
2. 查看评估报告，了解模型性能。

预测

1. 运行predict.py进行预测： bash python predict.py
2. 输入待预测的文本，输出预测的命名实体。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】