我正在努力研究什么是适应开放命名实体识别问题（生物/化学，所以没有实体字典存在但它们必须由上下文识别）的最佳模型。用于命名实体识别的TensorFlow RNNs
目前我最好的猜测是修改Syntaxnet，以便代替将单词标记为N，V，ADJ等，它学习标记为BEGINNING，INSIDE，OUT（IOB符号）。
但是我不确定哪种方法最好？
将不胜感激一个指向正确的方法！谢谢！
语法网络可用于命名实体识别，例如，请参阅：Named Entity Recognition with Syntaxnet
单独使用word2vec对名称实体识别不是很有效。我不认为seq2seq通常用于该任务。
正如drpng提到的，你可能想看看tensorflow/tree/master/tensorflow/contrib/crf。在CRF层前加入LSTM会有点帮助，这给something like：
LSTM + CRF代码TensorFlow：https://github.com/Franck-Dernoncourt/NeuroNER
非常感谢你！ 最后我用了Syntaxnet。我将我的实体转换为IOB表示法，并按照以下说明训练Syntaxnet POS标记器：https://github.com/tensorflow/models/tree/master/syntaxnet 工作得很好，我得到了78％ – Tom
@Tom很高兴知道。对于NER系统的基准测试，我个人使用conll2003数据集作为第一个比较点：它是免费的，小到足以快速，足够大来训练人工神经网络，它带有一个进化脚本，并且已经进行了很好的研究。 –
Syntaxnet和seq2seq会工作。 contrib中还有一个线性链式CRF。 – drpng