BiLSTM+CRF

BiLSTM CRF（Bidirectional Long Short-Term Memory Conditional Random Field）是一种常用于序列标注任务的深度学习模型。它结合了双向长短时记忆网络（Bidirectional LSTM）和条件随机场（Conditional Random Field）两部分。

BiLSTM是一种循环神经网络（RNN）的变种，它能够捕捉输入序列中的上下文信息。通过将输入序列同时从头到尾和从尾到头进行处理，BiLSTM能够获取到每个时刻的前后上下文信息。

CRF是一种概率图模型，在序列标注任务中常用于对标签序列进行建模。它考虑了标签之间的依赖关系，能够通过全局约束来提升标注的准确性。结合BiLSTM和CRF，可以通过BiLSTM来学习输入序列的特征表示，然后使用CRF对学习到的特征进行标签推断，从而得到最优的标签序列。

BiLSTM CRF模型在诸如命名实体识别、词性标注等序列标注任务上取得了很好的效果，能够较好地处理上下文信息和标签依赖关系。