最新深度学习序列标记综述论文,16页 [复制链接]

序列标记是一个基础性研究问题，涉及词性标记、命名实体识别、文本分块等多种任务。尽管在许多下游应用(如信息检索、问题回答和知识图谱嵌入)中普遍和有效，传统的序列标记方法严重依赖于手工制作或特定语言的特征。最近，深度学习已经被用于序列标记任务，因为它在自动学习实例的复杂特征和有效地产生艺术表现的强大能力。在本文中，我们旨在全面回顾现有的基于深度学习的序列标记模型，这些模型包括三个相关的任务，如词性标记、命名实体识别和文本组块。然后，在科学分类的基础上，结合SL领域中广泛使用的实验数据集和常用的评价指标，系统地介绍了现有的方法。此外，我们还对不同的SL模型进行了深入分析，分析了可能影响SL领域性能和未来发展方向的因素。