ner

企业级智能对话AI助手（一）技术方案设计

开出南方的花

BiLSTM+CRF实现NLP中的NER任务实体识别:获取实体边界实体分类实体抽取=命名实体识别=NER实体是文本之中承载信息的语义单元，是文本语义理解的基础，像一句话之中的人名地名就是一种实体。

BERT ner 微调参数的选择针对批大小和学习率的组合进行收敛速度测试，结论：画图代码（deepseek生成）：微调命令日志

BERT 微调中文 NER 模型加载tokenizer基于 tokenizer 切词并转换BIO标签，过滤指定的NER类别从文件读取数据集

微调大型语言模型进行命名实体识别大型语言模型的目标是理解和生成与人类语言类似的文本。它们经过大规模的训练，能够对输入的文本进行分析，并生成符合语法和语境的回复。这种模型可以用于各种任务，包括问答系统、对话机器人、文本生成、翻译等。

Decomposed Meta-Learning for Few-Shot Named Entity Recognition原文链接：https://aclanthology.org/2022.findings-acl.124.pdf

SEE-Few: Seed, Expand and Entail for Few-shot Named Entity Recognition原文链接：https://aclanthology.org/2022.coling-1.224.pdf