基于双向LSTM-CNN-CRF的端到端序列标注：可复现性研究
计算与语言
2025-10-14 v1 机器学习
摘要
我们present了对Ma和Hovy (2016)提出的序列标注最新神经网络架构的可复现性研究。原始的BiLSTM-CNN-CRF模型将通过卷积神经网络（CNNs）实现字符级表示，通过双向长短期记忆网络（BiLSTMs）进行词级上下文建模，并使用条件随机场（CRF）进行结构化预测。这种端到端方法消除了对手工特征的需求，同时在命名实体识别（NER）和词性标注（POS）任务上取得了优异的性能。我们的实现成功复现了关键结果，在CoNLL-2003 NER上实现了91.18%的F1分数，并展示了该模型在序列标注任务上的有效性。我们提供了架构组件的详细分析，并发布了一个开源的PyTorch实现以便进一步研究。
关键词
引用
@article{arxiv.2510.10936,
title = {End-to-end Sequence Labeling via Bi-directional LSTM-CNNs-CRF: A Reproducibility Study},
author = {Anirudh Ganesh and Jayavardhan Reddy},
journal= {arXiv preprint arXiv:2510.10936},
year = {2025}
}