《表2 实体识别的实验结果》

  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

《面向呼吸内科智能诊断模型研究》

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

研究中，对于不同实体识别方法的效果对比见表2。由表2可以看到，当加入字符级的词向量时，模型的表现为最佳，达到了0.959 7。而基于LSTM的实体识别模型的表现最差，则是因为LSTM没有考虑到输出标签之间的联系，因而会出现一些不可能的错误。例如，“B-diseasae”后面的词的标签不可能是“I-test”。“B-diseasae”后面的标签只能是“I-disease”、“B-XX”或者“O”。但通过仿真结果讨论后可知，如果将LSTM后面加上CRF层就会避免该类错误，还可以发现字符级特征在实体识别上也是有效特征，能够更好地表征各个单词的含义，从而提高了实体识别的效果。