《表4 不同模型对比结果：融合词结构特征的多任务老挝语词性标注方法》

  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

《融合词结构特征的多任务老挝语词性标注方法》

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

本文使用相同语料，测试了6种主流词性标注模型的效果：（1）HMM模型[2]；（2）CRF模型，设置了词相关性、词性相关性及词性对词的特征；（3）已公布准确率最高的老挝语词性标注模型CNN-CRF[18]，用卷积神经网络[19-20]（Convolutional Neural Network，CNN）在词级别的词分布表示中计算词特征向量，CRF模型考虑词性相关性影响进行词性标注；(4）深度学习经典的词性标注模型BiLSTM-CRF，用BiLSTM在词与字符级别的词分布表示中计算词特征向量，CRF进行词性标注；（5）将本文的主辅音辅助任务替换为语言模型辅助任务[8]（语言模型用于预测单前词的周围词）；（6）本文模型。实验结果如表4所示。