- tf.contrib.crf.crf_log_likelihood(inputs, tag_indices, sequence_lengths, transition_params=None)
函数的目的:使用crf 来计算损失,里面用到的优化方法是:最大似然估计,即在一个条件随机场里计算标签序列的log_likelihood
参数解析:
inputs: [batch_size, max_seq_len, num_tags] ,一般使用BiLSTM处理之后输出转化为它要求的形状作为crf层的输入;
tag_indices: [batch_size, max_seq_len] 真实标签
sequence_lengths: [batch_size] 表示每个序列的长度
transition_params: [num_tags, num_tags]转移矩阵
返回:
log_likelihood: 标量,log_likelihood
transition_params:[num_tags, num_tags]转移矩阵
- tf.contrib.crf.crf_decode(potentials, transition_params, sequence_length)
在tensorflow内解码
参数解析:
potentials: 一个形状为[batch_size, max_seq_len, num_tags] 的tensor,
transition_params: 一个形状为[num_tags, num_tags] 的转移矩阵
sequence_length: 一个形状为[batch_size] 的 ,表示batch中每个序列的长度
返回:
decode_tags:一个形状为[batch_size, max_seq_len] 的tensor,类型是tf.int32.表示最好的序列标记.
best_score: 有个形状为[batch_size] 的tensor, 包含每个序列解码标签的分数.
- tf.contrib.crf.viterbi_decode(score, transition_params)
通俗一点,作用就是返回最好的标签序列.这个函数只能够在测试时使用,在tensorflow外部解码
参数解析:
score: 一个形状为[seq_len, num_tags] matrix of unary potentials.
transition_params: 形状为[num_tags, num_tags] 的转移矩阵
返回:
viterbi: 一个形状为[seq_len] 显示了最高分的标签索引的列表.
viterbi_score: A float containing the score for the Viterbi sequence.