测试网址

47.93.47.154:5000/txt/委托辩护人秦前坤，湖北尚卓律师事务所律师。指定辩护人钟翠芳，新疆星河律师事务所律师。

 

 

 

中文分词、词性标注、命名实体识别是自然语言理解中，基础性的工作，同时也是非常重要的工作。在很多NLP的项目中，工作开始之前都要经过这三者中的一到多项工作的处理。在深度学习中，有一种模型可以同时胜任这三种工作，而且效果还很不错--那就是biLSTM_CRF。

 

biLSTM，指的是双向LSTM；CRF指的是条件随机场。

biLSTM词性标注

本文是以字为单位进行处理。从下往上看，w0,w1...表示句子里面的字，经过biLSTM处理，输出每个字对应每个标签的分数，我们将最大数值表示对该字预测的标签。既然，biLSTM已经能够进行满足词性标注，那为什么还要再最后加上CRF层呢？

biLSTM词性标注

 

从这幅图中，可以看出，预测结果明显是错的，那为什么会出现这种错误呢，因为biLSTM只能够预测文本序列与标签的关系，而不能预测标签与标签之间的关系，标签之间的相互关系就是CRF中的转移矩阵。

biLSTM_CRF词性标注

这就是完整的biLSTM_CRF的模型图，文本序列经过biLSTM模型处理，输出结果传入CRF层，最后输出预测结果。
下面，进入正题，biLSTM_CRF模型在tensorflow中的实现。

作者：Nlp_小菜

运行环境

python 3.6
tensorflow 1.4