命名实体识别《Neural Architectures for Named Entity Recognition》

Motivation： 目前在命名实体识别任务上表现最好的模型都严重依赖于人工构造的特征（基于规则），因为关于NER任务的语料很少，通过神经网络难以训练一个合适的模型，所以很多人提出在使用监督+无监督的语料提升模型的表现。本文提出两种神经网络结构且仅仅使用有限的监督数据实现了state-of-the-art performance。   模型结构： 本文提出两种模型，LSTM-CRF和Stack

>>阅读原文<<