命名實體識別《Neural Architectures for Named Entity Recognition》

Motivation： 目前在命名實體識別任務上表現最好的模型都嚴重依賴於人工構造的特徵（基於規則），因爲關於NER任務的語料很少，通過神經網絡難以訓練一個合適的模型，所以很多人提出在使用監督+無監督的語料提升模型的表現。本文提出兩種神經網絡結構且僅僅使用有限的監督數據實現了state-of-the-art performance。   模型結構： 本文提出兩種模型，LSTM-CRF和Stack

>>阅读原文<<