nerpy实现了BertSoftmax、BertCrf、BertSpan等多种命名实体识别模型，并在标准数据集上比较了各模型的效果。

Evaluation

说明：

• 结果值均使用F1

• 结果均只用该数据集的train训练，在test上评估得到的表现，没用外部数据

• shibing624/bert4ner-base-chinese模型达到同级别参数量SOTA效果，是用BertSoftmax方法训练， 运行examples/training_ner_model_file_demo.py代码可在各中文数据集复现结果

• shibing624/bert4ner-base-uncased模型是用BertSoftmax方法训练， 运行examples/training_ner_model_eng_demo.py代码可在CoNLL-2003英文数据集复现结果

• 各预训练模型均可以通过transformers调用，如中文BERT模型：--model_name bert-base-chinese

• 中文实体识别数据集下载链接见下方

• QPS的GPU测试环境是Tesla V100，显存32GB

Install

python 3.8+

pip install torch # conda install pytorchpip install -U nerpy

or

pip install torch pip install -r requirements.txt

git clone https://github.com/shibing624/nerpy.git nerpy