學習內容

基本大多數的問題都可以轉為詞性標注問題！
這里只做記錄，都是別人的回答！

常用的概念

什么是token
tokenization就是通常所說的分詞，分出的每一個詞語我們把它稱為token。
鏈接

詞性標注參考一

自然語言處理之序列標注問題

傳統解決序列標注問題的方法包括HMM/MaxEnt/CRF等，很明顯RNN很快會取代CRF的主流地位，成為解決序列標注問題的標準解決方案，那么如果使用RNN來解決各種NLP基礎及應用問題，我們又該如何處理呢，下面我們就歸納一下使用RNN解決序列標注問題的一般優化思路。

對于分詞、詞性標注（POS）、命名實體識別（NER）這種前后依賴不會太遠的問題，可以用RNN或者BiRNN處理就可以了。而對于具有長依賴的問題，可以使用LSTM、RLSTM、GRU等來處理。關于GRU和LSTM兩者的性能差不多，不過對于樣本數量較少時，有限考慮使用GRU（模型結構較LSTM更簡單）。此外神經網絡在訓練的過程中容易過擬合，可以在訓練過程中加入Dropout或者L1/L2正則來避免過擬合。

詞性標注參考二

序列標注模型綜述

CRF隨機場

CRF
也是類似邏輯回歸的分類！
事實上，條件隨機場是邏輯回歸的序列化版本。邏輯回歸是用于分類的對數線性模型，條件隨機場是用于序列化標注的對數線性模型。

總結

以上是生活随笔為你收集整理的知识图谱入门知识（三）词性标注的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。