弱监督下的NER：构建无标注数据的命名实体识别模型框架

简介：
本研究提出一种基于弱监督学习的命名实体识别(NER)方法，通过利用未标注文本数据训练模型，旨在减少对大量标注数据的依赖。该框架为资源有限的语言或领域提供了有效的NER解决方案。 对NER的监管不力与ACL 2020接受的论文“无标签数据下的命名实体识别：弱监督方法”相关的源代码有关。 首先，请确保安装以下Python软件包： - spacy（版本>=2.2） - hmmlearn - snips-nlu-parsers - pandas - numba - scikit-learn 您还需要在Spacy中安装en_core_web_sm和en_core_web_md模型。 若要运行ner.py中的神经网络模型，还需安装pytorch、cupy、keras和tensorflow。 最后，请确保已安装snorkel以运行基线代码。