实体识别

python实战（十四）——Bert-BiLSTM-CRF命名实体识别本文进行中文命名实体识别的python实践，使用来自Kaggle的人民日报数据集《renMinRiBao》。这里，我们将构建一个Bert-BiLSTM-CRF模型，并基于该数据集对模型进行微调训练。从下图中可以看到，这个数据集总共包括四个文件，本次实践将会使用tags.txt中的标签信息，并使用train_data.txt中的数据训练模型，用test_data.txt中的数据测试模型。

每天八杯水D

详解GPT-信息抽取任务 (GPT-3 FAMILY LARGE LANGUAGE MODELS)自然语言处理信息提取任务（NLP-IE）：从非结构化文本数据中提取结构化数据，例如提取实体、关系和事件 [164]。将非结构化文本数据转换为结构化数据可以实现高效的数据处理、知识发现、决策制定并增强信息检索和搜索。

[当人工智能遇上安全] 11.威胁情报实体识别 (2)基于BiGRU-CRF的中文实体识别万字详解您或许知道，作者后续分享网络安全的文章会越来越少。但如果您想学习人工智能和安全结合的应用，您就有福利了，作者将重新打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。只想更好地帮助初学者，更加成体系的分享新知识。该系列文章会更加聚焦，更加学术，更加深入，也是作者的慢慢成长史。换专业确实挺难的，系统安全也是块硬骨头，但我也试试，看看自己未来四年究竟能将它学到什么程度，漫漫长征路，偏向虎山行。享受过程，一起加油

基于Prompt Learning的信息抽取清华；liuzhiyuan；通过规则制定subpromptRelation Extraction as Open-book Examination: Retrieval-enhanced Prompt Tuning