该模型与文献[1]和[2]提供的模型相似。其结构如下图所示：
对于一个中文句子，这个句子中的每个字符都有一个属于集合{O，B-PER，I-PER，B-LOC，I-LOC，B-ORG，I-ORG}的标记。 第一层，look-up层，旨在将每个字符表示从一个独热向量转换为字符嵌入。 第二层，BiLSTM层，可以有效地利用过去和将来的输入信息，自动提取特征。 第三层，CRF层，在一个句子中为每个字符标记标签。如果使用Softmax进行标记，由于Softmax层独立地标记每个位置，可能会得到非随机标记序列。“I-LOC”不能跟在“B-PER”后面，但Softmax不知道。与Softmax相比，CRF层可以利用句子级的标签信息，对两个不同标签的转换行为进行建模。
数据集使用的是微软亚研院提供的的中文数据集
目录.data/下包括
- 预处理好的数据，train_data,test_data
- 一个词汇表文件word2id，它将每个字符映射到一个唯一的id 要生成词汇表文件，请参考data_process.py中的代码。
每个数据文件应采用以下格式：
如果想要使用自己的数据集，你需要：
- 把你的语料库转换成上面的格式
- 重新生成一个词汇表文件
相关模型参数存储在config目录下的配置文件中
python3 main.py --mode=train
python3 main.py --mode=test
python3 main.py --mode=predict
下图是测试集在本项目模型和百度LAC模型中的测试效果对比，其中数据集按照8：1：1划分为训练集、测试集、验证集。
