注意力机制的命名实体识别

一、原有模型的架构

　　biLSTM + CRF

二、对原有模型加入注意力机制

　　LSTM输出层加入注意力，参考文章：《Attention-Based Bidirectional Long Short-Term Memory Networks for Relation Classification》，该文章是用于文本实体关系分类的，其思想借用到本文

　　细节：

　　　　1）作者将前向和后向LSTM得到的特征，不是做拼接操作，而是元素点积

　　　　　　　　　　　　　　　　　　

　　　　2）对该层结果加入注意力

　　　　　　　　　　　　　　　　

　　　　3）获得句子的整体表示

　　　　　　　　　　　　　　　　　　

　　　　4）最后放入分类器中，用于分类

三、流程图

 

 

 四、移植到命名实体识别中

 　　未完待续