一种基于双向LSTM的多任务学习模型

摘要

本发明公涉及人工智能领域的深度学习领域，开了一种基于双向LSTM的多任务学习模型，用以同时完成自然语言处理中的词性标注、语块识别、命名实体识别等任务。主要方案包括S1、定义单个长短记忆网络(LSTM)神经网络；S2、定义双向LSTM的使用方法为使用一张LSTM网络对输入数据串从左往右的顺序输入到LSTM网络(L2R)，同时输出结果为使用一张LSTM网络对输入数据串从右往左的顺序输入LSTM网络(R2L)，同时输出结果为合并L2R与R2L网络的输出结果，即S4、合并输出层结果得到单词级的各子任务的输出。本发明不仅适用于自然语言学习领域，在其他领域皆可使用。