用于学习非线性边特征的新型循环神经CRF
计算与语言
2016-11-15 v1
摘要
条件随机场（CRF）与循环神经模型在结构化预测中已取得成效。近来，CRF与循环神经模型相结合，使我们能同时受益于非线性稠密特征与全局归一化CRF目标。这些循环神经CRF模型主要关注在CRF无向图中编码节点特征。然而，边特征在结构化预测的CRF中被证明十分重要。本工作中，我们提出一种新型循环神经CRF模型，其学习非线性边特征，从而完整地编码非线性特征。我们在知名结构化预测任务中将我们的模型与不同神经模型比较。实验表明，我们的模型在NP分块、浅层解析、中文分词和词性标注上优于state-of-the-art方法。
引用
@article{arxiv.1611.04233,
title = {A New Recurrent Neural CRF for Learning Non-linear Edge Features},
author = {Shuming Ma and Xu Sun},
journal= {arXiv preprint arXiv:1611.04233},
year = {2016}
}