flat调研和ner调研

ex1:中间插入：

flat调研：

其实就是一个类似于LSTM层的东西，打个比方 原先是bert加lstm加crf 现在可以bert加flat加crf，他就是解决了一些过去的 没有引入词汇信息的痛点 词汇信息就是学到一个词 例如重庆 人和药店 之前的自注意力机制学不到这个，这玩意能学到，能并行计算什么什么的，接在bert后面效果好，结构就是一层transformer里面的encoder 还有改进了位置编码 把位置编码多了两个参数 某个实体的head和tail坐标 就这样。

利用了词汇信息呗~

ex2: CRF条件随机场

我们常见的bert后续接CRF的操作，接的都是机器学习里面的线性CRF，其实在机器学习里面，条件随机场分为两种，一种是线性，一种是全局的，但是我们接的都是线性的。

这个条件随机场的的全程应该称之为（时间）条件随机场，机器学习里，一般是Hmm是生成模型，crf是判别模型，判别模型引入条件概率的信息，生成模型是优化联合概率分布，它主要是引入了一个条件概率进去了 让模型学到了限制条件，条件随机，他引入的条件是时间条件，因为crf里面有马尔科夫假设，所以他自然的有时间序列的的东西 ，所以引入了时间条件去限制训练他  相当于引入了一个跟时间相关的条件概率  所以叫（时间）条件随机场。