BiLSTM + CRF
NER 不是给每个 token 独立分类那么简单。标签之间有约束，例如 I-PER 通常不能凭空出现在句首。BiLSTM + CRF 的价值，就是同时看上下文和标签序列是否合法。
学习目标
- 理解 BiLSTM 在序列标注中负责什么
- 理解 CRF 为什么能建模标签转移约束
- 知道 BIO 标签体系下哪些预测是不合理的
- 能解释 BiLSTM + CRF 和普通 token 分类的差异
先看整体结构
BiLSTM 负责理解上下文，CRF 负责选择整体最合理的标签路径。两者结合后，模型不只是问“这个 token 像不像实体”，还会问“这一整串标签连起来是否合理”。
一、为什么普通 token 分类不够
假设使用 BIO 标签体系：B-PER 表示人名开头，I-PER 表示人名内部，O 表示非实体。如果模型独立预测每个 token，就可能输出这样的标签：
我 爱 北京
O I-LOC B-LOC
这里 I-LOC 出现在实体开头位置，通常是不合理的。普通分类器很难显式约束这种标签转移，而 CRF 可以学习标签之间的转移分数。
二、BiLSTM 负责上下文表示
LSTM 可以按顺序读取文本，BiLSTM 则同时从左到右和从右到左读取。这样每个 token 的表示都包含前后文信息。
例如“苹果”在不同句子里可能是水果，也可能是公司。BiLSTM 的作用就是让当前位置看到周围词，从而减少歧义。
三、CRF 负责整体解码
CRF 会同时考虑两类分数：每个位置属于某个标签的发射分数，以及标签之间的转移分数。最终预测时，它不是逐个位置贪心选择，而是寻找整条序列总分最高的标签路径。
这就是为什么 CRF 特别适合 NER、词性标注、分词这类标签之间有结构约束的任务。
四、一个最小直觉例子
labels = ["B-PER", "I-PER", "O", "B-LOC", "I-LOC"]
# 简化版：人为定义一些不合理转移
invalid_transitions = {
("O", "I-PER"),
("O", "I-LOC"),
("B-PER", "I-LOC"),
("B-LOC", "I-PER"),
}
path = ["O", "I-LOC", "B-LOC"]
for a, b in zip(path, path[1:]):
if (a, b) in invalid_transitions:
print("不合理转移:", a, "->", b)
真实 CRF 不是靠手写规则，而是从训练数据中学习哪些标签转移更合理。这个例子只是帮助你建立“标签之间有关系”的直觉。
五、和 BERT token classification 的关系
现代 NER 经常直接用 BERT 加线性分类层，也可以在 BERT 后面接 CRF。BERT 的上下文表示能力通常强于 BiLSTM，但 CRF 对标签约束仍然有价值，尤其在数据量较小、标签格式严格、实体边界容易错的任务里。
常见误区
第一个误区是把 CRF 当成过时模型。它不一定是最强方案，但标签约束思想仍然重要。第二个误区是只看 token 级准确率，不看实体级 F1。NER 最终关心的是实体边界和类型是否完整正确。第三个误区是忽略 BIO 标注一致性，导致训练数据本身就有非法标签序列。
练习
- 写出一句中文句子的 BIO 标签，并检查是否存在非法
I-*开头。 - 比较“逐 token 分类”和“整体序列解码”的差异。
- 思考：为什么实体级 F1 比 token accuracy 更适合 NER？
- 如果用 BERT 做 NER，还需不需要 CRF？列出支持和反对理由。
过关标准
学完本节后，你应该能解释 BiLSTM 和 CRF 各自负责什么，能识别 BIO 标签中的非法转移，能说明为什么序列标注要考虑标签之间的依赖，并能把这个思想迁移到后续的结构化信息抽取任务。