Chinese NER Using Lattice LSTM

一、简介

论文地址：https://arxiv.org/pdf/1805.02023.pdf
源码地址：https://github.com/jiesutd/LatticeLSTM

二、相关模型介绍

先介绍训练embedding的经典方法: embedding的训练方法，经典的有word2vec, fasttext有现成的包可以直接训练：gensim, fasttext

2.1 基于字符的模型

基于纯字符的模型比较简单，模型结构如下：

character -> embedding -> (Bi)LSTM -> CRF

一般比较大的不同在于embedding方法，常见的方法有：

2.1.1 Char

顾名思义即只有单字符char的embedding

2.1.2 Char + bichar

将单字符的embeding及bichar的embeding拼接起来作为最终的embedding，即：

x j c x_j^{c} x