命名实体实现的一般算法-基于LSTM

  《老钱------AI实战训练营的系列课程》= 多个案例学习《命名实体提取》

     文本情感分析一直是NLP领域的热门应用，常用在舆情分析，文章分类，智能客服等多个场景。本课程以案例驱动出发。结合多个项目实战案例，协助学习者迅速学习命名实体提取项目。多面覆盖经典的场景，如地名提取，病例命名实体提取，覆盖多种算法，如CRF等

  课程特色：   

          1.案例驱动：专题技术，完整案例；

          2.源码操作：内含完整程序源码和数据集；

          3.实战指引：覆盖《命名实体提取》四大过程模型；

          4.系统学习：一套完整的《命名实体提取》建设方法论，迅速学习命名实体提取的开发过程。

     适合人群：

         1. 想要从事NLP的在校学生、NLP研发工程师、NLP产品经理，想要转型NLP的IT老兵。

         2.具备Python基础，熟悉机器学习的基础理论

         3.具备自然语言处理的基础知识

   部分课件展示：

    具体课程大纲如下：

                1.命名实体概述  

                  1.命名实体的定义与典型应用场景，为什么要学命名实体

                  2.命名实体的难点

                  3.命名实体的意义

                  4.命名实体技术实现的一般流程

                  5.命名实体都要抽取哪些内容，人名、地名等

                  6.命名实体使用的技术有哪些

                     1.基于规则的方法的优点缺点

                     2.基于模型的方法的优点缺点

                        1.CRF

                        2.HMM

                        3.深度学习方法：BILSTM

                2.基于经典方法CRF的命名实体项目实践-搜狗新闻地名提取

                  1.项目背景分析

                  2.CRF介绍

                  3.CRF++0.58算法安装

                  4.初始语料库获取-人民日报语料库获取

                  5.地名标注体系介绍

                  6.CRF地名特征模板介绍

                  7.CRF地名特征模板编写

                  8.CRF模型训练过程介绍

                  9.CRF模型训练

                  10.项目总结