预测时候加偏移量的问题

[blueskydavie]

def inference(self, X, X_len, reuse=None):
with tf.name_scope('score'):
# The weight matrix is treated as an embedding matrix
# Using lookup & reduce_sum to complete calculation of unary score
features = tf.nn.embedding_lookup(self.W, X)
feat_vec = tf.reduce_sum(features, axis=2)
feat_vec = tf.reshape(feat_vec, [-1, self.nb_classes])
scores = feat_vec + self.b
# scores = tf.nn.softmax(scores)
scores = tf.reshape(scores, [-1, self.time_steps, self.nb_classes])
return scores

请问上面的scores = feat_vec + self.b 这句，为什么要加self.b这个偏移量呢，crf的公式里面也没有加偏移量啊。多谢。

[heshenghuan]

偏移量这个东西其实是顺手加上的，并没有完全按照CRF的公式定义，可以理解为一组没有出现在特征函数集合中的特征对应的权重，与OOV特征对应的权重起到类似的作用。