基于深度学习的命名实体识别bi-lstm+crf

1.Huang Z, Xu W, Yu K. Bidirectional LSTM-CRF models for sequence tagging[J]. arXiv preprint arXiv:1508.01991, 2015.

论文总结：

一、介绍：

       命名实体识别用途：使用搜索查询来识别哪些文本是产品，从而触发某些产品广告。 另外一个例子就是可以通过搜索引擎来找到相关的网页

二、模型介绍：

1.LSTM

递归神经网络（RNN）已被用于在包括语言模型（Mikolovetal。，2010; Mikolov等人，2011）和语音识别（Graves等人，2005）在内的各种任务中产生有前景的结果。 RNN基于历史信息维护存储器，使得模型能够预测以长距离特征为条件的当前输出。图1显示了具有输入层x，隐藏层h和输出层y的RNN结构（Elman，1990）。 在命名实体标记上下文中，x表示输入特征，y表示标记。 图1显示了一个命名实体识别系统，其中每个单词用其他（O）或四种实体类型（人员（PER），位置（LOC），组织（ORG）和杂项（MISC））中的一个标记。例如：欧盟拒绝德国呼吁抵制英国羊肉。被标记为：B-ORG  O