NLP————在神经网络中CRF的使用

本文介绍了在神经网络,特别是双向LSTM中如何使用CRF进行序列标注任务。通过tensorflow.contrib.crf库,利用crf_log_likelihood计算损失,并通过viterbi_decode进行Viterbi解码以获取最优序列。该方法应用于中文命名实体识别项目。
摘要由CSDN通过智能技术生成

最近在做bi_lstm_crf时使用了CRF的一些库函数,是tensorflow官方库提供的。

在我的项目中有两处用到了CRF:

1.在双向LSTM进行输出之后计算loss时,要使用到 crf_log_likelihood 函数。这个函数是 tensorflow.contrib.crf 提供的。下面举个例子说明函数的参数和函数输出。

crf_log_likelihood(inputs,tag_indices,sequence_lengths,transition_params=None)

参数

  • inputs:形状为[batch_size,max_seq_len,num_tags]的tensor,通常为biLSTM的输出结果。
  • tag_indices:形状为[batch_size,max_seq_len]的tensor,就是原始数据的真实标签。
  • sequence_lengths:形状为[batch_size]的tensor,代表每句话(序列)的真实长度。
  • transition_params:形状为[num_tags,num_tags]的转移矩阵。

  • 3
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值