《表1 330份入院记录中5类命名实体抽取的交叉验证准确率》

  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CRF的入院记录中医院名称实体识别及应用》

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

因本文研究的实体只涉及到医院名称，不存在主观判断，对标注人员的医学知识没有要求，所以两名标注人员对40份相同的语料标注的第一次的F值达到0.950，满足多人标注的一致性要求，继续完成剩下290份语料的标注。之后采用PLATO平台集成的CRF算法作为构建自然语言模型的核心算法，此算法获得的5类实体的准确率、召回率、F-score平均值分别为0.946、0.896、0.917（表1）。其中F-score较高的前4个实体均超过了0.9，表现良好。CommunityHSP的F-score较低，原因是社区医院在患者的就诊历史中出现次数非常少，训练样本数量太少导致模型的F-score较低，这一现象在语料标注时已显现。