《表7 不同深度学习参数的F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
《基于深度学习和多特征融合的中文电子病历实体识别研究》
(2)基于LSTM-withfea的模型,通过改变神经网络参数训练模型并进行预测,词向量模型选择300维的Skip-Gram.选择改变的参数为learning-rate和batch-size,实验结果如表7所示,其中,size=64,rate=0.0001的结果由于内存消耗和进程时间开支过大,实验终止,未能记录.
图表编号 | XD00109594700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.30 |
作者 | 韩普、刘亦卓、李晓艳 |
绘制单位 | 南京邮电大学管理学院、江苏省数据工程与知识服务重点实验室南京大学、南京大学信息管理学院、南京医科大学基础医学院 |
更多格式 | 高清、无水印(增值服务) |