stack-lstm-ner:基于过渡的NER系统

Stack-Lstm-ner 基于过渡的NER系统的PyTorch实现[1]。 要求 Python 3.x PyTorch 0.3.0 任务 给定一个句子，给每个单词加上标签。 经典的应用程序是命名实体识别（NER）。 这是一个例子 John lives in New York B-PER O O B-LOC I-LOC 相应的动作顺序 SHIFT REDUCE(PER) OUT OUT SHIFT SHIFT REDUCE(LOC) 资料格式 训练数据必须采用以下格式（与CoNLL2003数据集相同）。 提供了默认的测试文件以帮助您入门。 John B-PER lives O in O New B-LOC York I-LOC . O 训练 要训​​练模型， train.py使用以下参数运行train.py ： --rand_embedding