序列标注：BiLSTM-CRF模型

概述

对于序列标注问题，目前BiLSTM-CRF模型是目前使用比较流行的方法。本文以Neural Architectures for Named Entity Recognition为例，讲解BiLSTM-CRF模型在命名实体识别任务上的应用，着重于CRF层的分析。

数据描述

假设数据集有两种实体类型：人物(Person)和机构(Organization)。同时假设采用BIO标注体系。因此会有五种实体标签：

• B-Person
• I-Person
• B-Organization
• I-Organization
• O

结构简介

• 第一层：表示层

  将每个句子表示为词向量和字向量。

• 第二层：BiLSTM层

  输入词向量和字向量到模型中的BiLSTM层，该层的输出是句子的每个词的所有标签的各自得分。

  【注】此处的标签的各自得分充当的是CRF模型中的非归一化的发射概率。

  在本例中就是五种标签的各自得分，如B-Person(1.5),I-Person(0.9),B-Organization(0.1),I-Organization(0.08),O(0.05)。

• 第三层：CRF层

  该层使用BiLSTM层的输出——每个词的所有标签的各自得分，即（发射概率矩阵）以及转移概率矩阵，作为原始CRF模型的参数，最终获得标签序列的概率。

【注】

另一种结构图，表达含义相同。

CRF层详解

原理

• BiLSTM层的输出是每个词的所有标签的各自得分，相当于每个词映射到标签的发射概率值。

  设BiLSTM层的输出矩阵为 P P ,其中 Pi,j P i , j 代表词 wi w i 映射到 tagj t a g j 的非归一化概率，类比于CRF模型中的发射概率矩阵。

• CRF层中有一个转移概率矩阵 A A , Ai,j A i , j 代表 tagI t a g I 转移到 tagj t a g j 的转移概率。

• 对于输入序列 X X 对应的输出 tag t a g 序列 y y ,定义分数为

  【注】每一个score对应一个完整的路径。

• 利用Softmax函数，为每一个正确的 tag t a g 序列 y y 定义一个概率值( YX Y X 代表所有的tag序列，包括不可能出现的)

• 在训练中，最大化似然概率 p(y|X) p ( y | X ) 即可，利用对数似然

• 将损失函数定义为 −log(p(y|X)) − l o g ( p ( y | X ) )

【计算问题】

• 对损失函数计算时， S(X,y) S ( X , y ) 的计算简单，但 log(∑eS(X,y)) l o g ( ∑ e S ( X , y ) ) 计算复杂，因为需要计算每一条可能路径的分数。

• 采用该方法计算：对于到词 wi+1 w i + 1 的路径，先把到词 wi w i 的 log(∑eS(X,y)) l o g ( ∑ e S ( X , y ) ) 算出，因为

• 因此计算每一步的路径分数和直接计算全局分数相同，但可以大大减少计算时间。

【训练问题】

• 利用梯度下降法进行学习，使得得到最优参数数 θ θ ,使得
  
  θ∗=argmaxθ∑ilog(P(xi|yi;θ)) θ ∗ = a r g max θ ∑ i log ⁡ ( P ( x i | y i ; θ ) )

【预测问题】

• 利用维特比算法进行预测，求解最优路径
  
  y∗=argmaxy'score(x,y') y ∗ = a r g max y ′ s c o r e ( x , y ′ )

作用

在BiLSTM-CRF模型中，若没有CRF层也未必不可，在结构简介中已经简单描述BiLSTM层的输出，即为句子的每个词的所有标签的各自得分。若没有CRF层，直接选择BiLSTM层中最大的得分输出标签类型即可。

那么CRF层作用是什么？即如下：

• 句子的开始单词的标签类型应该是B或O，而不是I
• 限制一些格式。如B-Person I-Person是合理的，B-Person I-Organization是不合理的

【采用CRF层的原因】

• LSTM考虑的是输入序列X的上下文信息。CRF还可以考虑tag之间的依赖关系信息。

【参考资料】

• Pytorch Bi-LSTM + CRF 代码详解