nerpy實現了BertSoftmax、BertCrf、BertSpan等多種命名實體識別模型，并在標準數據集上比較了各模型的效果。

Evaluation

說明：

• 結果值均使用F1

• 結果均只用該數據集的train訓練，在test上評估得到的表現，沒用外部數據

• shibing624/bert4ner-base-chinese模型達到同級別參數量SOTA效果，是用BertSoftmax方法訓練， 運行examples/training_ner_model_file_demo.py代碼可在各中文數據集復現結果

• shibing624/bert4ner-base-uncased模型是用BertSoftmax方法訓練， 運行examples/training_ner_model_eng_demo.py代碼可在CoNLL-2003英文數據集復現結果

• 各預訓練模型均可以通過transformers調用，如中文BERT模型：--model_name bert-base-chinese

• 中文實體識別數據集下載鏈接見下方

• QPS的GPU測試環境是Tesla V100，顯存32GB

Install

python 3.8+

pip install torch # conda install pytorchpip install -U nerpy

or

pip install torch pip install -r requirements.txt

git clone https://github.com/shibing624/nerpy.git nerpy