HMM与LTP词性标注之命名实体识别与HMM

文章目录

  • 知识图谱介绍
    • NLP应用场景
    • 知识图谱(Neo4j演示)
    • 命名实体识别
    • 模型架构讲解
    • HMM与CRF
    • HMM五大要素(两大状态与三大概率)
    • HMM案例分享
    • HMM实体识别应用场景
    • 代码实现

知识图谱介绍

NLP应用场景

图谱的本质,就是把自然语言处理的文本段落的无序的结构转换成有数据结构的信息,图谱本身是有结构的数据。
HMM与LTP词性标注之命名实体识别与HMM_第1张图片

知识图谱(Neo4j演示)

这套方法,我们需要有语料库,通过海量的运算去训练模型,模型就可以感知和掌握人类表达的一些基本方式和套路。
HMM与LTP词性标注之命名实体识别与HMM_第2张图片

命名实体识别

HMM与LTP词性标注之命名实体识别与HMM_第3张图片
HMM与LTP词性标注之命名实体识别与HMM_第4张图片

模型架构讲解

下图中,bert可以认为是RNN或者LSTM,之后用CRF或者HMM进行标注。
HMM与LTP词性标注之命名实体识别与HMM_第5张图片
HMM与LTP词性标注之命名实体识别与HMM_第6张图片

HMM与CRF

HMM与LTP词性标注之命名实体识别与HMM_第7张图片

HMM五大要素(两大状态与三大概率)

HMM与LTP词性标注之命名实体识别与HMM_第8张图片

HMM案例分享

HMM与LTP词性标注之命名实体识别与HMM_第9张图片
HMM与LTP词性标注之命名实体识别与HMM_第10张图片

HMM实体识别应用场景

HMM与LTP词性标注之命名实体识别与HMM_第11张图片

代码实现

你可能感兴趣的:(#,1.,自然语言处理&知识图谱,自然语言处理)