资源简介
命名实体识别作为自然语言处理的基础技术之一，在自然语言处理上游各个任务（问答系统、机器翻译、对话系统等）重扮演者十分重要的角色，因此深入掌握命名实体识别技术，是作为自然语言处理从业者毕本技能，本课程理论与实践相结合，希望能给大家带来帮助。本套课程同时讲解基于Tensorflow2.1及Tensorflow1.13.1两个版本。
资源目录
——/计算机教程/10网易云课堂/065-自然语言处理之动手学NER
├─目录.txt -1.#INDB
├─第01章、动手命名实体识别开篇
│ ├─1.1动手学命名实体识别课程简介.mp4 45.78MB
│ ├─1.2课程案例演示.mp4 16.5MB
│ └─1.3命名实体识别基础知识讲解.mp4 37.67MB
├─第02章、动手学命名实体识别之环境搭建
│ ├─2.1Anaconda安装.mp4 20.41MB
│ ├─2.2Anaconda配置.mp4 29.3MB
│ ├─2.3Anaconda创建虚拟环境..mp4 10.49MB
│ ├─2.4Anaconda虚拟环境使用.mp4 55.67MB
│ ├─2.5cuda安装与测试.mp4 15.73MB
│ ├─2.6cudnn安装与配置及GPU环境测试.mp4 18.25MB
│ ├─2.7jupyter中怎么使用虚拟环境.mp4 12.31MB
│ └─2.8Pycharm的安装配置及使用.mp4 69.18MB
├─第03章、深度学习基础之卷积神经网络
│ ├─3.1卷积神经网络简介.mp4 6.53MB
│ ├─3.2卷积神经网络中的卷积讲解.mp4 26.53MB
│ └─3.3卷积神经网络中的池化讲解.mp4 5.23MB
├─第04章、深度学习基础之循环神经网络
│ ├─4.1循环神经网络能干什么.mp4 11.78MB
│ └─4.2循环神经网络讲解.mp4 28.13MB
├─第05章、深度学习基础之LSTM
│ ├─5.1LSTM简介.mp4 8.96MB
│ ├─5.2LSTM深入理解.mp4 6.75MB
│ └─5.3LSTM与神经网络及循环神经网络之间的关系.mp4 8.25MB
├─第06章、基于BiLSTM+CRF的中文命名实体识别实战
│ ├─6.10编码转换方法测试.mp4 28.36MB
│ ├─6.11更新指定编码完成.mp4 100.35MB
│ ├─6.12构建字典映射.mp4 62.95MB
│ ├─6.13通用构建item及频率方法.mp4 13.23MB
│ ├─6.14词典映射构建完成.mp4 17.79MB
│ ├─6.15构建标签映射.mp4 15.87MB
│ ├─6.16数据预处理开始.mp4 12.58MB
│ ├─6.17数据预处理结束.mp4 21.46MB
│ ├─6.18批量数据管理开始.mp4 21.19MB
│ ├─6.19数据填充讲解.mp4 18.49MB
│ ├─6.1BiLSTM+CRF模型架构讲解.mp4 7.16MB
│ ├─6.20批量数据管理结束.mp4 23.5MB
│ ├─6.21模型参数定义开始.mp4 12.19MB
│ ├─6.22模型参数定义完成.mp4 32.39MB
│ ├─6.23train方法中数据加载及编码转换讲解.mp4 24.22MB
│ ├─6.24train方法中字典构建及数据预处理讲解.mp4 25.48MB
│ ├─6.25模型配置讲解.mp4 18.55MB
│ ├─6.26模型配置加载与保存讲解.mp4 58.21MB
│ ├─6.27统一日志方法编写.mp4 18.1MB
│ ├─6.28统一日志方法验证.mp4 19.87MB
│ ├─6.29模型代码编编写上.mp4 22.52MB
│ ├─6.2整个工程目录架构讲解.mp4 33.36MB
│ ├─6.30模型代码编写下.mp4 23.86MB
│ ├─6.31embedding_layer详细讲解.mp4 42.92MB
│ ├─6.32biLSTM_layer详细讲解.mp4 16.53MB
│ ├─6.33project_layer详细讲解.mp4 12.76MB
│ ├─6.34crf_loss_layer上详细讲解.mp4 14.03MB
│ ├─6.35crf_loss_layer下详细讲解.mp4 7.71MB
│ ├─6.36viterbi_decode详细讲解.mp4 28.75MB
│ ├─6.37模型运行方法代码讲解.mp4 14.5MB
│ ├─6.38模型评估方法代码编写与讲解.mp4 16.45MB
│ ├─6.39编码转换讲解.mp4 9.12MB
│ ├─6.3数据集简介及环境搭建.mp4 39.78MB
│ ├─6.40模型训练部分代码完成.mp4 19.78MB
│ ├─6.41模型整体创建部分代码完成.mp4 28.95MB
│ ├─6.42模型加载词向量上.mp4 16.58MB
│ ├─6.43加载词向量完成.mp4 9.63MB
│ ├─6.44模型整体评估方法讲解.mp4 18.39MB
│ ├─6.45模型保存方法讲解.mp4 12.67MB
│ ├─6.46代码整体优化和修复bug.mp4 21.4MB
│ ├─6.47加载词向量调试讲解.mp4 47.47MB
│ ├─6.48过滤测试中的词.mp4 9.87MB
│ ├─6.49整体代码完成.mp4 14.69MB
│ ├─6.4数据集加载方法讲解.mp4 52.95MB
│ ├─6.50整体训练讲解.mp4 19.11MB
│ ├─6.5数据集加载方法测试.mp4 99.47MB
│ ├─6.6更新指定编码开始.mp4 13.9MB
│ ├─6.7BIO编码校验及更改.mp4 20.53MB
│ ├─6.8BIO编码校验方法测试.mp4 24.64MB
│ └─6.9BIO编码转BIOES编码.mp4 21.02MB
├─第07章、命名实体识别项目案例
│ ├─7.10命名实体识别web界面演示及功能实现.mp4 15.79MB
│ ├─7.11命名实体识别web前后台通信完成.mp4 19.54MB
│ ├─7.12命名实体识别web项目完成.mp4 16.51MB
│ ├─7.1案例项目工程创建.mp4 21.65MB
│ ├─7.2加载maps文件获取数据.mp4 10.24MB
│ ├─7.3使用模型主体方法完成.mp4 26.53MB
│ ├─7.4模型及输入方法测试.mp4 15.43MB
│ ├─7.5模型使用方法测试及调试完成.mp4 53.34MB
│ ├─7.6模型使用命令行方式完成.mp4 17.63MB
│ ├─7.7Postman工具安装及使用讲解.mp4 10.33MB
│ ├─7.8命名实体识别api工程搭建.mp4 12.08MB
│ └─7.9命名实体识别api方式使用完成.mp4 12.79MB
├─第08章、基于IDCNN+CRF的中文命名实体识别实战
│ ├─8.10IDCNN模型整体训练详细讲解.mp4 34.32MB
│ ├─8.11IDCNN模型命令行使用方式讲解.mp4 20.87MB
│ ├─8.12IDCNN模型web使用方式详细讲解.mp4 13.1MB
│ ├─8.1通用卷积神经网络讲解.mp4 18.12MB
│ ├─8.2Dilated CNN理论及原理深入讲解.mp4 10.72MB
│ ├─8.3IDCNN理论及原理深入解析.mp4 13.79MB
│ ├─8.4IDCNN工程创建及框架架构搭建.mp4 14.49MB
│ ├─8.5IDCNN参数设置及层次设计讲解.mp4 9.28MB
│ ├─8.6IDCNN_layer层讲解上.mp4 11.77MB
│ ├─8.7IDCNN_layer层讲解中.mp4 11.52MB
│ ├─8.8DCNN_layer层讲解下.mp4 11.55MB
│ └─8.9IDCNN_project层详细讲解.mp4 10.61MB
├─第09章、Bert相关理论详细详解
│ ├─9.10Bert如何解决自然语言推理问题.mp4 6.16MB
│ ├─9.11Bert如何应用于机器阅读理解任务.mp4 8.69MB
│ ├─9.12Bert总结.mp4 8.86MB
│ ├─9.1引入Self-attention的原因.mp4 8.29MB
│ ├─9.2Self-attention原理讲解上.mp4 7.14MB
│ ├─9.3Self-attention遗留的问题讲解.mp4 13.95MB
│ ├─9.4Transformer架构及可视化讲解.mp4 17.65MB
│ ├─9.5Bert开篇讲解.mp4 5.06MB
│ ├─9.6ELMO技术原理详细讲解.mp4 6.85MB
│ ├─9.7Bert第一种训练方式讲解.mp4 6.34MB
│ ├─9.8Bert如何用于情感分析与文本分类.mp4 4.31MB
│ └─9.9Bert如何用于槽位填充.mp4 3.54MB
├─第10章、基于Bert+LSTM+CRF的中文命名实体识别实战
│ ├─10.10利用bert来创建自己模型上.mp4 28.61MB
│ ├─10.11利用bert来创建自己模型下.mp4 12.82MB
│ ├─10.12datalodaer中数处理类讲解.mp4 43.09MB
│ ├─10.13NER数据处理类讲解上.mp4 7.76MB
│ ├─10.14输入数据面向对象封装.mp4 10.5MB
│ ├─10.15获取标签方法详细讲解.mp4 12.04MB
│ ├─10.16NER数据处理类完成.mp4 11.81MB
│ ├─10.17数据预处理类debug详细讲解.mp4 70.66MB
│ ├─10.18run中的参数规范编写上.mp4 10.9MB
│ ├─10.19run中的参数规范编写下.mp4 12.86MB
│ ├─10.1基于Bert命名实体识别工程目录介绍.mp4 16.32MB
│ ├─10.20基于Bert的训练方法中的Bert参数获取讲解.mp4 13.15MB
│ ├─10.21获取Bert中的tokenization创建tokenizer.mp4 30.82MB
│ ├─10.22构建estimator中的RunConfig详细讲解.mp4 14.27MB
│ ├─10.23加载数据集详细讲解体现面向对象的好处.mp4 14.34MB
│ ├─10.24加载数据集验证完成.mp4 27.9MB
│ ├─10.25转换TFRecord开始.mp4 10.12MB
│ ├─10.26转换TFRecord完成.mp4 11.54MB
│ ├─10.27对每一个样本进行编码处理详细讲解.mp4 21.88MB
│ ├─10.28将数据集转换成Bert训练的数据集格式.mp4 11.71MB
│ ├─10.29feature转换完成.mp4 18MB
│ ├─10.2基于bert命名实体识别环境搭建.mp4 39.25MB
│ ├─10.30读取数据格式转换开始.mp4 22.66MB
│ ├─10.31读取数据格式转换完成.mp4 41.21MB
│ ├─10.32数据转换debug上.mp4 38.06MB
│ ├─10.33数据转换debug下.mp4 21.22MB
│ ├─10.34dev数据格式化输出.mp4 14.09MB
│ ├─10.35整体框架搭建完毕.mp4 15.25MB
│ ├─10.36具体构建模型开始.mp4 47.43MB
│ ├─10.37模型训练构建完成.mp4 14.02MB
│ ├─10.38模型评估构建完成.mp4 35.71MB
│ ├─10.39模型训练讲解.mp4 19.06MB
│ ├─10.3lstm_crf_layer层init方法讲解.mp4 10.78MB
│ ├─10.40代码优化及模型重点讲解.mp4 16.07MB
│ ├─10.41模型测试讲解及最终总结.mp4 16.54MB
│ ├─10.4网络整体架构搭建讲解.mp4 9.29MB
│ ├─10.5双向RNN模型巧妙设计讲解.mp4 8.39MB
│ ├─10.6bilstm_layer层更加简洁方式实现讲解.mp4 8.9MB
│ ├─10.7project_bilstm_layer层另外一种实现详细讲解.mp4 51.61MB
│ ├─10.8project_crf_layer层详细讲解.mp4 10.76MB
│ └─10.9crf_layer层详细讲解.mp4 59.39MB
├─第11章、基于Tensorflow2.x的命名实体识别实战
│ ├─11.10数据处理代码回顾.mp4 26.37MB
│ ├─11.11LSTM+CRF模型详解上.mp4 39.08MB
│ ├─11.12LSTM+CRF模型详解中.mp4 123.64MB
│ ├─11.13LSTM+CRF模型详解下.mp4 27.35MB
│ ├─11.14模型训练及问题答疑.mp4 115.02MB
│ ├─11.15模型预测.mp4 21.61MB
│ ├─11.16IDCNN理论讲解.mp4 27.29MB
│ ├─11.17IDCNN+CRF代码讲解.mp4 38.25MB
│ ├─11.1命名实体识别简介.mp4 117.02MB
│ ├─11.2命名实体识别数据标注方法讲解.mp4 24.63MB
│ ├─11.3命名实体是主流方法讲解.mp4 32.47MB
│ ├─11.4HMM与CRF基础补充.mp4 30.69MB
│ ├─11.5数据集加载与预处理讲解.mp4 161.65MB
│ ├─11.6BIO编码校验及转换讲解.mp4 28.61MB
│ ├─11.7字典映射构建讲解.mp4 37.15MB
│ ├─11.8词向量加载讲解.mp4 18.71MB
│ └─11.9基于BiLSTM模型的明明实体识别讲解.mp4 49.99MB
└─资料
└─资料
├─动手学NER
│ ├─BERT.pdf 2MB
│ ├─tf1.3.1版本
│ │ ├─基于Bert+BILSTM+CRF模型实现部分代码
│ │ │ ├─Bert-BILSTM-CRF-action.rar 369.14MB
│ │ │ ├─Bert-BILSTM-CRF-predict-action.rar 369.15MB
│ │ │ ├─bert-master.zip 105.01KB
│ │ │ ├─chinese_L-12_H-768_A-12
│ │ │ │ ├─bert_config.json 520B
│ │ │ │ ├─bert_model.ckpt.data-00000-of-00001 392.47MB
│ │ │ │ ├─bert_model.ckpt.index 8.31KB
│ │ │ │ ├─bert_model.ckpt.meta 883.86KB
│ │ │ │ └─vocab.txt 106.97KB
│ │ │ ├─data
│ │ │ │ ├─dev 685.99KB
│ │ │ │ ├─test 1.34MB
│ │ │ │ └─train 5.99MB
│ │ │ ├─地址.txt 146B
│ │ │ └─资料2.zip 1.51KB
│ │ ├─基于BILSTM+CRF模型实现部分代码
│ │ │ ├─NER-action.rar 7.3MB
│ │ │ ├─NER-use-flask.rar 8.02MB
│ │ │ ├─NER-use.rar 7.92MB
│ │ │ ├─城市编码.txt 7.2KB
│ │ │ └─天气api接口.txt 75B
│ │ └─基于IDCNN+CRF模型实现部分代码
│ │ ├─NER-IDCNN-action.rar 15.31MB
│ │ ├─NER-idcnn-flask.rar 7.77MB
│ │ ├─NER-idcnn-use.rar 7.66MB
│ │ └─资料2【海量一手完整it资源尽在itdjs.com】.zip 1.51KB
│ ├─tf2.1版本
│ │ ├─BiLSTM
│ │ │ └─BruceNER.rar 24.35MB
│ │ ├─BiLSTM+CRF
│ │ │ └─BruceNERModel.rar 53.02MB
│ │ └─IDCNN+CRF
│ │ └─BruceNERModel.rar 24.36MB
│ ├─Transformer.pdf 2.31MB
│ ├─动手学命名实体识别.pdf 1MB
│ ├─卷积神经网络.pdf 1.53MB
│ ├─命名实体识别-tf2.1课件.pdf 1.5MB
│ ├─循环神经网络 .pdf 1.68MB
│ └─环境搭建.pdf 3.58MB
└─环境搭建
├─soft
│ ├─Anaconda3-5.2.0-Windows-x86_64.exe 631.32MB
│ ├─cuda_9.0.176_win10.exe 1.33GB
│ ├─cudnn-9.0-windows10-x64-v7.5.0.56
│ │ └─cuda
│ │ ├─bin
│ │ │ └─cudnn64_7.dll 294.31MB
│ │ ├─include
│ │ │ └─cudnn.h 116.62KB
│ │ ├─lib
│ │ │ └─x64
│ │ │ └─cudnn.lib 57.9KB
│ │ └─NVIDIA_SLA_cuDNN_Support.txt 38.05KB
│ ├─Postman-win32-7.2.2-Setup.exe 64.69MB
│ ├─Postman-win64-7.2.2-Setup.exe 72.55MB
│ └─pycharm-professional-2018.3.5.exe 269.51MB
└─环境搭建.pdf 3.58MB
学习学习
学习一下，感谢
学习一下，感谢
据说这个讲的比较详细，是手敲的，特来下载
学习学习
学习一下，感谢
感谢分享
学习一下
nlp，ppppp看看
nlp领域的ai应用之一，tf也是常用框架
看下自然语言处理，谢谢分享。
自然语言
谢谢
学习一下
学习一下，感谢
自然语言处理之动手学NER
谢谢分享
感谢分享
学习一下，感谢
感谢分享
牛逼了 学习一下
管理员随机测试
学习一下，感谢