11.4.1 系列ラベリングロードマップ：Token ごとにラベルを付ける

分類は文全体に 1 つのラベルを付けます。系列ラベリングは、文の中の各 token にラベルを付けます。NER（Named Entity Recognition、固有表現認識）は代表例です。

先に全体像を見る

系列ラベリング章の進め方

HMM と CRF から系列ラベリングを見る

BiLSTM-CRF のラベル経路

重要な出力は文全体のラベルではなく、B-PER、I-PER、O のように token ごとにそろったタグ列です。

B-PER は人物名の開始、I-PER は人物名の続き、O は対象外を表します。まずは小さな文で、token とラベルの対応を確認します。

tokens = ["Ada", "Lovelace", "wrote", "notes"]
tags = ["B-PER", "I-PER", "O", "O"]

for token, tag in zip(tokens, tags):
    print(token, tag)

期待される出力：

Ada B-PER
Lovelace I-PER
wrote O
notes O

操作のコツ：系列ラベリングでは token 数と tag 数が一致している必要があります。ここがずれると、学習データとして使えません。

ステップ	読む内容	実践で作るもの
1	NER と BIO	token 単位ラベルとエンティティ span を作る
2	HMM / CRF の歴史	系列制約とラベル遷移を理解する
3	BiLSTM-CRF	文脈特徴と正しいラベル経路をつなげる
4	プロジェクト実践	precision、recall、F1、境界エラーを評価する

token/tag の対応を確認でき、境界ミスまたは不正なタグ遷移を1つ説明できれば、この章は通過です。

このページを終えたら、この evidence card を残します。