बाय-डायरेक्शनल LSTM-CNNs-CRF के माध्यम से एंड-टू-एंड अनुक्रम लेबलिंग

शीर्ष स्तर के अनुक्रम लेबलिंग सिस्टम पारंपरिक रूप से हाथ से निर्मित सुविधाओं और डेटा पूर्व-संसाधन के रूप में कार्य-विशिष्ट ज्ञान की बड़ी मात्रा की आवश्यकता होती है। इस पत्र में, हम एक नए तटस्थ नेटवर्क आर्किटेक्चर का परिचय देते हैं जो स्वचालित रूप से शब्द- और चरित्र-स्तरीय प्रतिनिधित्व से लाभ उठाता है, बायडायरेक्शनल LSTM, CNN और CRF के संयोजन का उपयोग करके। हमारा सिस्टम सचमुच एंड-टू-एंड है, जिसमें कोई विशेषता इंजीनियरिंग या डेटा पूर्व-संसाधन की आवश्यकता नहीं है, इस प्रकार इसे अनुक्रम लेबलिंग कार्यों की एक विस्तृत श्रृंखला पर लागू करने योग्य बनाता है। हम दो अनुक्रम लेबलिंग कार्यों के लिए दो डेटा सेट पर अपने सिस्टम का मूल्यांकन करते हैं --- भाग-का-शब्द (POS) टैगिंग के लिए पेन्न ट्रीबैंक WSJ कॉर्पस और नामित इकाई पहचान (NER) के लिए CoNLL 2003 कॉर्पस। हम दोनों डेटा पर शीर्ष स्तर का प्रदर्शन प्राप्त करते हैं --- POS टैगिंग के लिए 97.55% सटीकता और NER के लिए 91.21% F1।