7
Feb
你的CRF层的学习率可能不够大
By 苏剑林 | 2020-02-07 | 116351位读者 | 引用CRF是做序列标注的经典方法，它理论优雅，实际也很有效，如果还不了解CRF的读者欢迎阅读旧作《简明条件随机场CRF介绍（附带纯Keras实现）》。在BERT模型出来之后，也有不少工作探索了BERT+CRF用于序列标注任务的做法。然而，很多实验结果显示（比如论文《BERT Meets Chinese Word Segmentation》）不管是中文分词还是实体识别任务，相比于简单的BERT+Softmax，BERT+CRF似乎并没有带来什么提升，这跟传统的BiLSTM+CRF或CNN+CRF的模型表现并不一样。
基于CRF的4标签分词模型示意图
这两天给bert4keras增加了用CRF做中文分词的例子（task_sequence_labeling_cws_crf.py），在调试过程中发现了CRF层可能存在学习不充分的问题，进一步做了几个对比实验，结果显示这可能是CRF在BERT中没什么提升的主要原因，遂在此记录一下分析过程，与大家分享。
26
Oct
新词发现的信息熵方法与实现
By 苏剑林 | 2015-10-26 | 120333位读者 | 引用在本博客的前面文章中，已经简单提到过中文文本处理与挖掘的问题了，中文数据挖掘与英语同类问题中最大的差别是，中文没有空格，如果要较好地完成语言任务，首先得分词。目前流行的分词方法都是基于词库的，然而重要的问题就来了：词库哪里来？人工可以把一些常用的词语收集到词库中，然而这却应付不了层出不穷的新词，尤其是网络新词等——而这往往是语言任务的关键地方。因此，中文语言处理很核心的一个任务就是完善新词发现算法。
新词发现说的就是不加入任何先验素材，直接从大规模的语料库中，自动发现可能成词的语言片段。前两天我去小虾的公司膜拜，并且试着加入了他们的一个开发项目中，主要任务就是网络文章处理。因此，补习了一下新词发现的算法知识，参考了Matrix67.com的文章《互联网时代的社会语言学：基于SNS的文本数据挖掘》，尤其是里边的信息熵思想，并且根据他的思路，用Python写了个简单的脚本。
5
Dec
科学空间：2009年12月重要天象
By 苏剑林 | 2009-12-05 | 24689位读者 | 引用
20
Dec
哥本哈根没有“句号”，留下一个“逗号”
By 苏剑林 | 2009-12-20 | 17482位读者 | 引用
26
Dec
新年新天象：2010年1月重要天象
By 苏剑林 | 2009-12-26 | 22897位读者 | 引用
31
Dec
2010年全国天文奥赛终于可以报名了
By 苏剑林 | 2009-12-31 | 16782位读者 | 引用
17
Jan
【竖直上抛】炮弹能够射多高(第二宇宙速度)？
By 苏剑林 | 2010-01-17 | 46699位读者 | 引用一枚炮弹以速度v0向上射出，只考虑重力因素，请问炮弹到达多远的距离后就会开始自由下落？
大炮的发射
对于这个问题，我们首先采取的是高中生的做法。考虑地球重力，也就是说炮弹在做加速度为
此即炮弹能够走得最远距离。
但是看了这条式子，我们会发现，这个“距离”始终是有限的。换一句话说，只要v0不趋于无穷大，s就不会无穷大。但是我们还听到过牛顿这样说过：假如炮弹以某个速度（就是我们现在所所说的第二宇宙速度）飞离地球，它就永远不会回来了。两者不是矛盾吗？
最近评论