《表4 长、短机构名的实验结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合字词模型的中文命名实体识别研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验结果还表明，Ensemble-SVM对人名和地名F值的提高效果比较明显，但是对于机构名的识别效果有所下降。这是因为Ensemble-SVM的最终模型使用的是分类算法，对各个标签进行标注时是相对独立的，没有利用序列中标签之间的依赖信息。而Char-NER和Word-NER的解码层使用CRF模型的转移概率矩阵对标签进行约束，从而降低非法标签序列出现的概率。本文将由3个或3个以上词组成的机构名作为长机构名，其他作为短机构名。对《人民日报》的测试结果进行统计分析，其中长机构名335个，预测出273个，正确的有248个，短机构名590个，预测出601个，正确的有535个。实验结果如表4所示。