TensorFlow NLP 英文命名实体识别示例

在这个示例中，我们将探讨如何使用 TensorFlow NLP 实现英文命名实体识别（NER）。命名实体识别是自然语言处理中的一个重要任务，它旨在识别文本中的特定实体，如人名、地点、组织等。

示例代码

以下是一个简单的英文命名实体识别示例：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.layers import Embedding, LSTM, Dense

# 加载数据集
(train_data, train_labels), (test_data, test_labels) = keras.datasets.imdb.load_data(num_words=10000)

# 数据预处理
max_len = 500
train_data = keras.preprocessing.sequence.pad_sequences(train_data, maxlen=max_len)
test_data = keras.preprocessing.sequence.pad_sequences(test_data, maxlen=max_len)

# 创建模型
model = keras.Sequential([
    Embedding(input_dim=10000, output_dim=64, input_length=max_len),
    LSTM(64),
    Dense(64, activation='relu'),
    Dense(1, activation='sigmoid')
])

# 编译模型
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

# 训练模型
model.fit(train_data, train_labels, epochs=10, batch_size=32)

# 测试模型
test_loss, test_acc = model.evaluate(test_data, test_labels)
print('Test accuracy:', test_acc)

扩展阅读

想要了解更多关于 TensorFlow NLP 的信息，可以访问我们的官方文档。

实例图片

English NER Example