背景
命名实体识别（named entity recognition, NER）现在如今使用最多的算法当属深度学习。当Bert还没出现时，序列标注的天下则是BiLSTM-CRF的天下。使用BiLSTM-CRF比较早的论文是来自于百度的：Bidirectional LSTM-CRF Models for Sequence Tagging.除此之外还有：Neural Architectures for Named Entity Recognition等论文 。
前文的基于HMM进行序列标注只是引入序列标注的基本概念，以及传统的处理方式。现在我们来看看如何使用BiLSTM-CRF来进行序列标注。
其中BiLSTM在之前的文章:【NLP】seq2seq 由浅入深——基于Rnn和Cnn的处理方式比较详细地介绍了LSTM相关内容。而BiLSTM是两个LSTM模型的组合，一个从前往后输入，一个从后往前输入，然后将对应输出的结果进行拼接。
至于条件随机场（Conditional Random Field， CRF）来说，个人觉得在这里使用的主要还是基于维特比的解码。与传统的CRF还不一致。针对这个问题，也是众说纷纭。这里不做详细讨论。如果对CRF比较感兴趣的可以查看李航老师的《统计机器学习》一书。
如何使用RNN进行序列标注
使用一个简单的RNN模型进行序列标注的网络结构如下图：
Original: https://blog.csdn.net/meiqi0538/article/details/124070334
Author: 科皮子菊
Title: 【NLP】基于BiLSTM-CRF的序列标注
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/530478/
转载文章受原作者版权保护。转载请注明原作者出处！