《表2 NER方法性能比较（F1值）》

  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

《命名实体识别的迁移学习研究综述》

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

%

表2是一些NER方法的F1值比较，可以看出双语词典特征表示在跨语言迁移方面取得了非常好的效果，相比于LSTM-CRF在西班牙语和荷兰语上的F1值分别提升了3.01个百分点和6.65个百分点，由于领域之间没有标准的对齐信息，该方法无法进行跨领域迁移；DATNet的两个变体优于其他方法，在3个数据集上都有很大提升，DATNet-P更适合跨域迁移，而DATNet-F在跨语言上更有优势。与多任务学习[66]相比，迁移学习最关心的是目标任务，而不是同时提升所有的源任务和目标任务。