NER任务的一点疑惑

1.句子分类任务
句子分类等任务是将整个句子输入到编码器获取句子编码，根据句子编码通过softmax函数获取该句子属于某一类别的概率，最大的概率值所对应的标签为该句子的类别
2.NER任务
与句子分类任务不同的是NER任务需要获取句子中每个词的标签，由于这一点的不同，最开始纠结于NER任务的输入数据到底是什么，是整个句子还是逐个字或者单词，但是LSTM等编码器会获取句子上下文信息，因此不可能逐个输入单个字或者单个单词，这样没有意义，但是如果输入是整个句子最后得到的是句子的编码信息，又该如何获取每个字或者单词的编码，从而根据单个字或者单词的编码，通过softmax函数获取标签呢？？

3.个人疑惑解答
最终了解到在LSTM输出时包括两个值，
, = self.lstm()
序列值和最后一个神经单元的值，其中序列值中的每一个值代表所输入句子的每个字或者单词的编码，最后一个神经单元的值代表整个句子的编码，即上式等号左边的两个占位符分别代表上述两个值。

4.举例说明：
batch-size值为1，句子长度为10，词向量维度为300，LSTM隐藏层维度为200，则经过LSTM计算以后序列值维度为[1,10,200]，其代表有10个200维的向量，其中每一个向量代表句子中每一个词的编码；最后一个神经元的输出值维度为[1,200]，即句子编码