《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） |
