ner-lstm

收录理由

这是一个结构清晰的双层双向LSTM命名实体识别实现，基于TensorFlow构建，并借助gensim处理词向量。整个流程被拆分为独立的脚本，分别负责嵌入生成、数据准备、训练和评估，因此很容易追踪序列标注模型的完整构建过程，适合作为学习NER或复现经典实验的起点。作者在CoNLL 2003英文基准和ICON 2013印地语数据集上报告了F1分数，并对比了word2vec、GloVe和基于RNN的嵌入，能直观看出不同嵌入选择对结果的影响。代码源自2016年的研究项目，并非持续维护的服务，更适合作为研究和改造的素材，而非直接部署的现成工具。