fastNLP/reproduction/seqence_labelling/chinese_ner/LatticeLSTM/README.md

• 支持批并行的LatticeLSTM
• • 运行环境：
  • 支持的数据集：
  • 性能：
  • 如有任何疑问请联系：

支持批并行的LatticeLSTM

• 原论文：https://arxiv.org/abs/1805.02023
• 在batch=10时，计算速度已明显超过原版代码。
• 在main.py中添加三个embedding的文件路径以及对应数据集的路径即可运行

运行环境：

• python >= 3.7.3
• fastNLP >= dev.0.5.0
• pytorch >= 1.1.0
• numpy >= 1.16.4
• fitlog >= 0.2.0

支持的数据集：

• Resume，可以从这里下载
• Ontonote
• Weibo

未包含的数据集可以通过提供增加类似 load_data.py 中 load_ontonotes4ner 这个输出格式的函数来增加对其的支持

性能：

数据集	目前达到的F1分数(test)	原文中的F1分数(test)
Weibo	62.73	58.79
Resume	95.18	94.46
Ontonote	73.62	73.88

备注：Weibo数据集我用的是V2版本，也就是更新过的版本，根据杨杰博士Github上LatticeLSTM仓库里的某个issue，应该是一致的。

如有任何疑问请联系：

• lixiaonan_xdu@outlook.com