《自然语言处理实战入门》第三章 ：中文分词原理及相关组件简介 ---- 使用深度学习进行汉语分词

---

神经网络模型一般分为输入层、隐层和输出层，其核心或者说深度的体现则在隐层，因此隐层的结构尤为重要，它决定了特征提取的好坏。比如我们耳熟能详的CNN、RNN等，在图像领域更多的会使用CNN，而NLP领域则更多的使用RNN。

---

基于双向LSTM的seq2seq字标注

LSTM对RNN做了改进，使得能够捕捉更长距离的信息。但是不管是LSTM还是RNN，都有一个问题，它是从左往右推进的，因此后面的词会比前面的词更重要，但是对于分词这个任务来说是不妥的，因为句子各个字应该是平权的。因此出现了双向LSTM，它从左到右做一次LSTM，然后从右到左做一次LSTM，然后把两次结果组合起来。

LSTM可以根据输入序列输出一个序列，这个序列考虑了上下文的联系，因此，可以给每个输出序列接一个softmax分类器，来预测每个标签的概率。基于这个序列到序列的思路，我们就可以直接预测句子的标签。

---

BiLSTM+CRF分词方法