《表6 在MSRA语料上的实验结果对比》

  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

为了验证本文方法的泛化能力，我们选择与Zhou等的实验结果进行对比。表6给出了在MSRA语料上与其他模型的对比实验结果。文献[13]首次提出基于词的CRF模型和使用大量精心制作的特征，在MSRA语料上达到了86.51的F值。文献[14]的方法针对片段级中文命名实体识别进行研究，联合使用多种不同的特征模板，在MSRA语料上获得了较好的性能。这两种方法都基于传统的统计学习模型，依赖人工特征设计和专业知识。文献[15]为了减弱系统对人工特征设计的依赖，采用深度学习片段神经网络结构，实现特征的自动学习，在MSRA语料上对人名、地名和机构名识别的总体F值达到了90.27%。实验结果显示，与以上方法相比，本文提出的融合字词模型的命名实体识别方法获得较好的系统性能，在人名和地名识别结果上比最好的系统分别提升了1.04%、0.35%。