基于双向LSTM-CNNs-CRF的端到端序列标注
机器学习
2016-05-31 v5 计算与语言
机器学习
摘要
最先进的序列标注系统传统上需要大量以手工特征和数据处理形式存在的特定任务知识。本文中，我们提出一种新颖的神经网络架构，通过结合双向LSTM、CNN和CRF，自动利用词级和字符级表示。我们的系统真正端到端，无需特征工程或数据预处理，从而可应用于广泛的序列标注任务。我们在两个数据集上针对两个序列标注任务评估我们的系统——用于词性标注（POS）的Penn Treebank WSJ语料库和用于命名实体识别（NER）的CoNLL 2003语料库。我们在两个数据上均取得最先进的性能——词性标注准确率97.55\%以及NER的F1值91.21%。
引用
@article{arxiv.1603.01354,
title = {End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF},
author = {Xuezhe Ma and Eduard Hovy},
journal= {arXiv preprint arXiv:1603.01354},
year = {2016}
}
备注
10 pages, 3 figures. To appear on ACL 2016