BiLSTM-CRF
概念-命名实体识别NER中两个不同的层
-输入：词嵌入向量 ； 输出：单词对应的预测标签
先验知识-
-命名实体识别(NER)系统的目标是识别所有文字提及的命名实体。可以分解成两个子 任务:确定 NE 的边界和确定其类型
本文将围绕一个具体的实例来展开->现在假设这个数据集中仅存在两种实体，相应的，只会产生五种类别的标签如下：
-数据集中 两类实体：人名、机构名
-五类标签 ：B-person,I-person,B-Organization,I-Organization,O(非实体信息)

（单个）词向量 w0 大小为1*n ,记录该词与词表中其他所有词的相似度（0～1）
词向量矩阵是一个压缩后的共词矩阵
输入到BiLSTM层 -> BiLSTM层输出词w0被标记为对应类别标签的分数，是一个大小为m（m=5）的列表
分数信息—输入到CRF层（作为发射分数 emission_Score）
-如果没有CRF层，变成一个只基于BiLSTM的预测模型——对于序列中每个单个的词w0，只选择BiLSTM层输出的得分最高的标签作为结果，组合成标注序列。——分类结果不准确
-CRF层 添加约束条件：如I-Person必须出现在B-Person后，BiLSTM层只给（输入）单一的词打分而不考虑上下文环境
-CRF层在训练中自动学习句子的约束条件 （end to end 方法 而非hand-crafted）
-效果：减少错误的预测序列
CRF层中两种分数：emission_score 和 transition_score
如果序列的大小为n（句子共有n个词），m类标签（句子被标注的全部可能类别）
则emission_score 的大小是n*m .
emission_score[wo][B-person] = 1.5 ,emission_score[w][pos] = 词w被标注为pos类的概率值
transition _socre的大小是m*m transition _socre[m1][m2] 序列中当前词的前一个词被标注为m1下，当前词被标注为m2的概率 . 即由m1转移到下一个状态为m2的概率
#define 概率==分数
如 transition_score[B-Person][I-Person] ≈1
而transition_score[B-Person][I-Organization]≈0
因为句子（词序列）中一个被标注为B-Person的词后面 几乎不可能 紧跟一个被标注为I-Organization的词
-转移矩阵是BiLSTM-CRF模型中的参数，在训练之前被随机值初始化，在训练迭代过程中被更新-
[迭代优化技术：使用随机值初始化模型的参数，然后反复优化这些参数使它们接近最优解]
-CRF层与HMM模型的区别：
输入-> CRF层的输入（emission_score）来自于BiLSTM层的输出 ，且大小是nm的 ； HMM模型的输入(初始概率)的大小是1m的 ，发射(emission_matrix)大小是n*m的。[共同点：crf的发射分数、hmm的初始概率、发射概率均是模型训练前给定的，且始终不发生变化]
转移分数/转移概率分布-> CRF层的转移概率被随机值初始化，训练过程中被反复更新；HMM的转移概率是模型给定的，且始终不发生变化
过程->CRF迭代地训练直到终止条件；HMM从开始状态通过朴素贝叶斯+维特比动态规划算法优化计算过程，求出最大概率的隐状态序列。
-CRF的损失函数- - - - - - -
#序列大小为n，标签类别数为m - 枚举全部可能的标注序列共m^n种- -
定义一条路径[m1,m2,m3…mn]的分数（即一种标注序列）si = emission_score + transition_scoreemission_score = ∑ emission_socre[wi][mi] (i=1,2,3..n)
每个单词wi被标注为mi类的得分 ，n个单词相加之和
transition_score同理
对于全部可能的路径（m^n条）的总分数 = ∑每条路径的分数

exp函数：exp(x) = e^x;
si=emission_score + transition_score ; ->exp(si)
于是我们有了第i条路径的得分Pi，所有路径的得分Ptotal
定义损失函数为- log(Pi/Ptotal)
Pi/Ptotal = 该条路径的得分/所有路径的总分；显然，我们认为得分最大的路径是真实路径（预测结果） 因此，一条路径越正确——得分越高，Pi/Ptotal之比就越大，取对数后单调性不变。
在训练过程中最小化损失函数——在训练中最小化-log(Pi/Ptotal) ，即最大化 log(Pi/Ptotal) ；我们迭代地更新参数transition_score，使其朝损失函数变小的方向进行；
-最终我们得到了一组参数（即transition_score转移分数矩阵）和分数最高的路径（及其得分）
-联想最大熵模型：定义标签分布的无序性为熵（分布越均匀，熵值越高），训练目标——找出熵值最大的标注序列，迭代地更新参数。最终得到了一组参数和熵最大的预测序列。
因此我们基于理解给出一个结论：CRF可以看作是最大熵模型在序列标注中的应用