网站介绍：文章浏览阅读5.5k次，点赞3次，收藏46次。自从bert提出后，nlp领域的预训练语言模型持续刷新各种任务榜单，各种预训练语言模型不断提出并更新迭代，最新的GPT3以千亿级的参数再次刷新了榜单任务。但是在工业界，bert的预训练+微调的任务模式还是在发挥一定的作用。因此本篇博客主要介绍在tf2.x的版本下使用bert模型进行命名实体识别任务。bert模型的原理还是先简单介绍一下，主要从一下几个方面：一、任务目标bert的目标是学习大量的没有标注的语料数据，进而提取出语言模型，便于下游的微调任务。在训练的过程中主要有两个任务：其一是根据上下_bert命名实体识别
- 链接地址：https://blog.csdn.net/donruo/article/details/122675038
- 链接标题：基于bert的命名实体识别任务（一）_bert命名实体识别-CSDN博客
- 所属网站：blog.csdn.net
- 被收藏次数：6900
- 网站标签：bert命名实体识别
