BiLSTM + CRF 命名实体识别实践（下）
0. 前言
上一篇博客简单讨论了理论知识，这篇博客主要是实践部分，主要针对上一篇博客中提到的代码的优化。优化点主要包含以下几个方面：
（1）max_seq_len如何取值？
（2）sequence_len不固定会给模型带来多大的提升？
（3）batch_size不固定，方便预测
（4）词向量的预训练能给模型带来哪些好处？
（5）特定业务场景下，如何迁移？
注：数据集为公开数据集boson.
1. max_seq_len取值
从上图不难看出，大部分句子的长度不超过50。源代码设置max_seq_len=60，这里觉得设置成50就可以了。
2. sequence_len不固定
3. batch_size不固定
4.词向量的预训练给模型带来的好处
通过查看vec.txt提前预训练的词向量文件，发现实际出现的字都出现在该文件中，因此可以加速模型的收敛。但是否需要进一步训练还需要进一步尝试，与样本量和数据是否同分布有关。