我正在与Keras执行NER任务。我的模型是通过字符嵌入和几个卷积层对单词编码的组合。目的是在处理半结构化输入时检测单个单词中的模式。 最后，模型使用带有“ softmax”作为激活的TimeDistributed Dense层。 不幸的是，该模型将每个单词归类为“未知标签”，因为这是目前最常见的单词。我添加了class_weights来减轻这种不平衡的标签，但没有任何效果。该模型每行使用30个单词，最大单词长度为100个字符。损失是categorical_crossentropy，准确性是categorical_accuracy。模型卡在75％的位置上，这对于训练集中的大多数行来说，“未知标签”的比例是固定的。