命名实体识别 | BiLSTM+CRF模型架构图

线性 CRF

0、数据处理：数据读取 → 转换数据形式 （每条样本包含文本序列和标签序列 => 分词 => 将每个字词映射为相应的词典id） → 组装 mini-batch（构造 DataLoader）

4、接下来，各个位置的发射分数将传给 CRF（CRF 层的作用：学习标签间的约束）

X4

Linear

BiLSTM Layer 

....

Embeding Layer

I-Person

O

1、首先获取了文本串中的每个字词的词向量

B-Person

Linear Layer

X3

X0

e1

X2

Tag Sequence

BiLSTM+CRF 模型架构图

e2

2、然后将其传入 BiLSTM 中获得了相应的上下文向量

CRF Layer

e3

3、接下来继续将每个位置 BiLSTM 输出的上下文向量传入线性层获得相应的发射分数

e4

...

X1

模型中每层的含义（自下而上看）

Input Layer

e0