文件名称：Multi-Order-LSTM:代码“高阶LSTM在分割和标记序列数据上是否具有更好的准确性？”
文件大小：892KB
文件格式：ZIP
更新时间：2024-06-02 19:30:16
Python
高阶LSTM 这是论文的实现[高阶LSTM在分割和标记序列数据上是否具有更好的准确性？] 。 环境与依存关系 Ubuntu 16.04 Python 2.7 Tensorflow 1.0 所需文件 功能文件 该模型使用从原始文本中提取的特征。 如果您不想使用提取的特征，则忽略模型中的特征输入。 概率文件 该模型使用从原始文本中提取的特征。 如果您不想使用提取的特征，则忽略模型中的特征输入。 在测试阶段，多阶3 LSTM模型使用由单阶1模型和单阶2模型生成的概率。 因此，概率需要保存在文件中。 我们提供了预训练的order-1模型和order-2模型，它们分别位于lstm-1order文件和lstm-2order文件中。 您可以使用这两个模型来生成概率文件。 您还可以通过训练自己的单个order-n模型来获取文件。 单n阶模型就是设置了n阶标记的双向lstm。
【文件预览】：
Multi-Order-LSTM-master
----data()
--------ned.train.es.txt(2.27MB)
--------ned.test.es.txt(795KB)
--------ned.dev.es.txt(440KB)
----lstm-1order()
--------ulit.py(5KB)
--------Datahelpers.py(7KB)
--------main.py(8KB)
--------conlleval(12KB)
--------model.py(5KB)
----file_1o()
--------saved_1o_model()
----README.md(1KB)
----file_2o()
--------saved_2o_model()
----Datahelpers.py(8KB)
----lstm-2order()
--------ulit.py(5KB)
--------Datahelpers.py(9KB)
--------main.py(11KB)
--------conlleval(12KB)
--------model.py(5KB)
----main.py(12KB)
----conlleval(12KB)
----model.py(5KB)