BiLSTM-CRF
概念-命名实体识别NER中两个不同的层
-输入:词嵌入向量 ; 输出:单词对应的预测标签
先验知识-
-命名实体识别(NER)系统的目标是识别所有文字提及的命名实体。可以分解成两个子 任务:确定 NE 的边界和确定其类型
本文将围绕一个具体的实例来展开->现在假设这个数据集中仅存在两种实体,相应的,只会产生五种类别的标签如下:
-数据集中 两类实体:人名、机构名
-五类标签 :B-person,I-person,B-Organization,I-Organization,O(非实体信息)

(单个)词向量 w0 大小为1*n ,记录该词与词表中其他所有词的相似度(0~1)
词向量矩阵是一个压缩后的共词矩阵
输入到BiLSTM层 -> BiLSTM层输出词w0被标记为对应类别标签的分数,是一个大小为m(m=5)的列表
分数信息