如何在tensorflow中实现句子级别的log-likelihood？
How to implement sentence-level log-likelihood in tensorflow?
我想按照中所述实现句子级对数似然
Collobert et al., p. 14.
要计算转换分数，我可以使用 CRF，但我不知道如何将它集成到 tensorflow 中。我考虑过使用
tf.contrib.crf.CrfForwardRnnCell 来计算转换分数，但是这个 class returns 对 的 [batch_size、num_tags] 矩阵值包含新的 alpha 值，而不是我期望的 [batch_size、num_tags、num_tags] 张量。
有没有人有如何在tensorflow中使用CRF的例子？谢谢！
这里给出了在 TensorFlow 中使用 contrib.crf 的一个很好的例子：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/crf
值得注意的是，Collobert 等人的论文中描述的 SLL objective。 2011 年与 CRF objective 略有不同，因为 SLL 缺乏标准化（请参阅第 16 页的备注 4），但这在实践中并不重要（我只使用 CRF。）
我想按照中所述实现句子级对数似然 Collobert et al., p. 14.
要计算转换分数，我可以使用 CRF，但我不知道如何将它集成到 tensorflow 中。我考虑过使用 tf.contrib.crf.CrfForwardRnnCell 来计算转换分数，但是这个 class returns 对 的 [batch_size、num_tags] 矩阵值包含新的 alpha 值，而不是我期望的 [batch_size、num_tags、num_tags] 张量。
有没有人有如何在tensorflow中使用CRF的例子？谢谢！
这里给出了在 TensorFlow 中使用 contrib.crf 的一个很好的例子：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/crf
值得注意的是，Collobert 等人的论文中描述的 SLL objective。 2011 年与 CRF objective 略有不同，因为 SLL 缺乏标准化（请参阅第 16 页的备注 4），但这在实践中并不重要（我只使用 CRF。）