《Chinese NER Using Lattice LSTM》

《Chinese NER Using Lattice LSTM》2018年ACL论文

作用和动机

作用：用于中文的实体抽取
动机：避免分词不同带来的实体命名错误 和 以字为输入带来的词语内字之间的信息损失。
分词不同带来的实体命名不同的例子：
南京市长江大桥
南京市//长江大桥
南京//市长//江大桥
南京市//长江//大桥

模型

“以字输入的LSTM” 上整合 “以词输入的LSTM”
普通的LSTM，字输入的LSTM采用的方式就是这个

word LSTM

实际上也是一个LSTM，只不过没有输出门。

这样子引入问题：character cell LSTM有多个输入，怎么来求？

这部分相当于softmax。α是权重。α怎么求？

其中

训练

**目的：**最大化如下公式

损失函数

超参设置

实验结果