百科问答小站 logo
百科问答小站 font logo



实体提取任务中使用BERT-CRF时,CRF根据数据统计可以得到转移概率,为啥还要训练呢? 第1页

  

user avatar   tylin98 网友的相关建议: 
      

1、CRF并不显式定义转移概率这个概念,NER任务常用的线性链CRF只有转移特征的概念(而不是转移概率),不能简单通过统计获取。转移特征的绝对数值不能反映概率大小,但相对大小是有意义的,因此可以用加Mask的方法来引入概率上的先验,例如从S到E标签转移是不可能发生的,可以在转移矩阵上对应位置引入一个很小的负值。

2、跳出CRF的框架来看,提前统计的方法并不是很符合端到端学习的政治正确,CRF这类模块加在标注模型的顶端提供的主要是一种约束作用,参数的overhead其实并不高,没有理由通过额外的环节来获取这部分的参数。


user avatar   lbigrain 网友的相关建议: 
      

女王:求求题主放过我,我可不敢有什么政绩。。。




  

相关话题

  AMD 开源高性能机器智能库MIopen是否可以和cuDNN抗衡? 
  主题模型(topic model)到底还有没有用,该怎么用? 
  给男友配置一个适合做深度学习的电脑要多少钱? 
  神经网络为什么可以(理论上)拟合任何函数? 
  如何理解 natural gradient descent? 
  神经网络的损失函数为什么是非凸的? 
  如何评价1700亿参数的GPT-3? 
  怎么选取训练神经网络时的Batch size? 
  目前有哪些比较成功的人工智能应用? 
  BERT中,multi-head 768*64*12与直接使用768*768矩阵统一计算,有什么区别? 

前一个讨论
南京大学LAMDA(周志华)组的实力如何?
下一个讨论
杭州空气是不是很差?如果是,为什么那么差?





© 2025-03-29 - tinynew.org. All Rights Reserved.
© 2025-03-29 - tinynew.org. 保留所有权利