超级会员免费看
本文深入解析命名实体识别（NER）任务中的CRF（条件随机场）层。通过BiLSTM-CRF模型，解释了在没有CRF层时可能出现的问题，以及CRF层如何引入约束来优化标签预测。介绍了发射分数、转移分数以及CRF损失函数的计算，阐述了如何通过动态规划计算所有可能路径的得分，以提高模型预测的有效性。
| NER任务的CRF-layer的原理 |
文章目录
- 用命名实体识别任务来解释CRF：https://arxiv.org/abs/1603.01360，该文提出了一个使用词和字嵌入的 BiLSTM-CRF 命名实体识别模型。下将以本文中的模型为例来解释CRF层是如何工作的。
- 更详细的文章请参考该系列：https://createmomo.github.io/2017/09/12/CRF_Layer_on_the_Top_of_BiLSTM_1/
一. 预备工作
- 假设有一个数据集，有两个实体类型，
Per
订阅专栏 解锁全文
扫一扫
1480
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
