chinese-ner-pytorch

---

本项目是一个简单的采用pytorch框架的中文命名实体识别demo，主要是为了熟悉NER中两种常见的经典模型：lstm和lstm+crf,以及BERT预训练模型，代码中在必要的地方都有详细的注释，希望对有相关需求的人有帮助

数据集

数据集采用的是经典的MSRA数据集，下载地址，总共包括训练集、验证集和测试集，它们的数据规模如下：

• 训练集: 42000
• 验证集: 3000
• 测试集: 3442

模型

主要测试了三种模型：

• lstm：（经典的NER模型）
• lstm + crf：（大多数实验表明，加了CRF之后效果会更好）
• BERT：（预训练模型出来之后的SOTA模型）

结果

以下结果只是初步跑了一遍模型，没有对模型进行各种花式的调参，得到的F1值并不高，因为本项目的主要目的也只是为了熟悉下NER任务中两种常用的模型，所以就没有进一步采用其它tricks来提分；

模型	Precision	Recall	F1
Lstm	73.83	79.43	76.45
lstm+CRF	74.32	79.45	76.68
BERT	78.01	82.11	79.94

BERT这一类预训练模型的拟合能力真的很强，只训练了5个epcoh就基本收敛了，所以没有继续训练下去（如果调整学习率继续的话应该还会涨点分）