老哥，有个问题请教一下

[tankland]

我参考你的思路，但是最后采用sigmoid的bce loss来优化模型，目的是为了预测同一个span属于多标签分类的问题，但是模型一直不收敛，可能的原因是什么呢

[juntaoy]

这个我就不是很清楚了，按理说改成bce 应该没有任何问题的。你有把
candidate_ner_scores = util.bilinear_classifier(candidate_starts_emb,candidate_ends_emb,self.dropout,output_size=self.num_types+1)#[num_sentence, max_sentence_length,max_sentence_length,types+1] candidate_ner_scores = tf.boolean_mask(tf.reshape(candidate_ner_scores,[-1,self.num_types+1]),flattened_candidate_scores_mask)<br class="Apple-interchange-newline">
里面的self.num_types+1 改成self.num_types吗？ 这里应该你对每一个label做出单独的判断就不需要一个non_mention score了

另外你可以尝试一下给negative example 一点reduced weight这样可以缓解imbalance的问题