【論文筆記】Neural Architectures for Named Entity Recognition

一、概要   該paper發於NAACL2016，主要對比了BiLSTM-CRF和Stack-LSTM兩種模型用於命名實體識別，本次筆記只記錄第一種模型；並且採用詞級向量和字符級向量結合的方式，在不使用外部的特定領域知識等，僅僅使用了少量監督語料的特徵以及未標註語料情況下就可以達到領先水平。 二、模型方法 2.1 LSTM   關於LSTM使用的是其一個變種，具體可以查看：【Deep Learni

>>阅读原文<<