我找不到任何有关解决 NER 问题的机器学习模型架构的资料。我隐约知道这是一个多类分类问题，但是我们如何格式化我们的输入以输入这样的多类分类器呢？我知道输入必须是带注释的语料库，但是我们如何才能将这对（单词，实体标签）对输入分类器？或者，您如何对此类语料库进行特征工程以输入 ML 模型？或者，一般来说，您如何使用机器学习从头开始训练自定义 NER？
TIA。
如何训练用于命名实体识别的机器学习模型
数据挖掘
机器学习
nlp
命名实体识别
2022-03-14 16:58:45
1个回答
实际上有很多用于训练 NER 模型的库。
- 知道这种类型的模型/任务称为序列标记是很有用的，因为它包括预测每个单词的标签，同时考虑到接近目标单词的其他单词。
- 标准方法是条件随机场 (CRF)。有各种库，例如见这个答案。
- 传统上，一种称为 BIO（有时是 IOB）的特定格式（代表Begin、Inside、Outside）用作输入（参见一个非常简短的示例）。这些功能可以通过自定义模式涉及上下文词（有关详细信息，请参阅库的文档）。
其它你可能感兴趣的问题