序列标注：2、NER资料

NLP四大任务：分类、生成、序列标注、句子对标注。
NER：模型 Bi-LSTM-CRF、BERT-CRF
可玩的地方：

• 多特征：ner重底层/句法信息，特征越多越好，字/词/词性/句法/KG 特征等等。
• 多任务：嵌入到更大的系统目标中，或者拆为chunk+分类任务。
• 其他：先进的尝试

资料：
NER汇总：

• 流水的NLP铁打的NER：命名实体识别实践与探索(综述)
• 娄杰：NER词汇增强
• 娄杰：NER数据增强
• 娄杰：工业界NER的12个trick

特征抽取器：

• 张俊林：放弃幻想，全面拥抱transformer自然语言处理三大特征抽取器(CNN/RNN/TF) 比较
  RNN：线性序列结构，不定长输入、信息由前向后传播、可捕捉长距离特征，但反向传播时梯度消失/爆炸、并行计算能力差。
  CNN：卷积核，丢失了输入的位置信息、无法捕捉长距离特征，并行能力中等。
  Transformer：多头attention，捕捉长距离特征、位置输入、语义抽取能力√。
• LSTM 网络的原理图解
• 英文版 LSTM原理图解
  建议结合实现代码助消化
• TF实现LSTM 例子