ljx
Does this support beam search?
https://github.com/juntaoy/biaffine-ner/blob/7a3e32b0b864f08e82ab37188177cfe199400b51/util.py#L134 你好，请教一下这里为什么使用全0进行初始化？
您好，我在自己的数据集上（大概15w训练句子，都是非嵌套实体），比较了以下两个模型： （1）BERT+双仿射NER：双仿射NER部分用的是您提供的代码 （2）BERT+CRF：即BERT后面接一个全连接和CRF层 前处理和BERT都是同样的设置，在测试集（约5k句子）上biaffine-ner比BERT-CRF效果低了1.7%，P和R值都降低了，尤其是R值，降低了2.5%，我怀疑是没有加负采样，训练时正负比悬殊，导致召回率偏低。所以想请教一下，您在训练双仿射模型时，是否加了负采样操作？是否有比较过加不加负采样的效果变化？ 另外，我注意到EMNLP2020有篇论文"Let’s Stop Incorrect Comparisons in End-to-end Relation Extraction!"，这篇论文也里比较了Span-based NER（加了负采样）和BERT-Softmax在非嵌套NER上的效果，结论也是BERT-Softmax在CoNLL04和ACE05数据集上效果均好于Span-based模型，不过论文里并没有详细分析，想请教一下您是否有注意到这个现象，是什么原因导致的？ 期待您的回复
请问论文中为什么没有和FLAT进行对比？
您好，请问哪里可以下载到CCL2018的文本蕴含数据集呢？
https://github.com/tdozat/Parser-v3/blob/327cbcf4c3900f2057b4d059bc5674ed746ce5e0/parser/neural/classifiers.py#L214 Hi, why use `tf.zeros_initializer` here?