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