用于序列标注的双向LSTM-CRF模型
计算与语言
2015-08-11 v1
摘要
本文中，我们提出多种基于长短期记忆（LSTM）的序列标注模型。这些模型包括LSTM网络、双向LSTM（BI-LSTM）网络、带条件随机场（CRF）层的LSTM（LSTM-CRF）以及带CRF层的双向LSTM（BI-LSTM-CRF）。我们的工作首次将双向LSTM CRF（记为BI-LSTM-CRF）模型应用于NLP基准序列标注数据集。我们展示了BI-LSTM-CRF模型由于双向LSTM组件而能有效利用过去与未来的输入特征。由于CRF层，它也能利用句子级标注信息。BI-LSTM-CRF模型在词性标注、分块和命名实体识别数据集上能产生最先进（或接近）的准确率。此外，与先前的观察相比，它鲁棒且对词嵌入的依赖更小。
引用
@article{arxiv.1508.01991,
title = {Bidirectional LSTM-CRF Models for Sequence Tagging},
author = {Zhiheng Huang and Wei Xu and Kai Yu},
journal= {arXiv preprint arXiv:1508.01991},
year = {2015}
}