实习点滴（10）--BiLstm+CRF介绍

        在序列标注问题中，HMM和CRF是当前比较成熟的技术，但是，随着DL（深度学习）又热起来之后，RNN做序列标注的热潮也开始了。个人而言，HMM和CRF是成熟的技术，但上升空间有限；LSTM的潜力会更大一些。于是乎，开始学习BiLstm+CRF模型了。

      1.综述：

• 顾名思义，这是一个双向LSTM+CRF层的模型
• 双向的LSTM可以得到上下文的信息
• 在输出层后再增加CRF层，加强了文本间信息的相关性，针对序列标注问题，每个句子的每个词都有一个标注结果，对句子中第i个词进行高维特征的抽取，通过学习特征到标注结果的映射，可以得到特征到任意标签的概率，通过这些概率，得到最优序列结果

      2.BiLstm-CRF结构图：

                                        

      3.BiLstm+CRF算法流程

对于每个epoch循环：
    对于每个batch循环：
        <1>BiLstm+CRF模型前向传播：
           （1）向后状态的前向传播；
           （2）向前状态的前向传播；
        <2>CRF层前后向传播；
        <3>BiLstm+CRF模型后向传播：
           （1）向后状态的后向传播；
           （2）向前状态的后向传播；
        <4>更新参数
    结束batch循环
结束epoch循环