Simonecharacter embedding如何得到？
的有关信息介绍如下：
目前ner上的bilstm+char+crf的模型中，char representation是通过将单词的字符当做一个序列,经过cnn或者rnn以后得到的，然后与对应的word embedding concat起来，比如"word"这个单词，[w,o,r,d]就组成一个序列，这个序列经过char embedding层将字符映射成n维的embedding以后，输入到cnn或者rnn，然后得到一个m维的char representation，然后再与word这个单词对应的word embedding concat起来，一般word embedding是用预训练好的，而char representation随机初始化后跟随网络的训练而调整。
说了这么多，我觉得还是直接看代码更好理解，我最近刚好也是做这个，很多都是靠看别人的代码来理解的，这里推荐两个
其实ner这个经典的模型在github搜一下，keras、TensorFlow、Pytorch的代码都有
