《表4 模型对比：基于预训练BERT字嵌入模型的领域实体识别》
提示：宽带有限、当前游客访问压缩模式
第三组实验我们将我们提出的EMR-BERT+Bi-LSTM+CRF与当前主流的模型进行比较，实验结果如表4所示。
| 图表编号 | XD00137032400 严禁用于非法目的 |
|---|---|
| 绘制时间 | |
| 作者 | 丁龙、文雯、林强 |
| 绘制单位 | 南华大学计算机学院、南华大学计算机学院、南华大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 BIO字标签类别：基于BiLSTM-CRF的司法领域实体识别研究》2020.09.05
- 《表4 4种模型结果对比：基于BERT模型的司法文书实体识别方法》2020.10.01
- 《表4 模型训练速度对比：基于膨胀卷积的中文命名实体识别》2020.06.01
- 《表3 BERT模型实体识别效果》2020.12.24
- 《表1 数据集统计：加入自注意力机制的BERT命名实体识别模型》2020.07.05
- 《表2 实验环境：加入自注意力机制的BERT命名实体识别模型》2020.07.05
- 《表3 基于深度学习的实体关系识别模型对比》2020.12.31
- 《表1 污染指标与变量：预训练语言模型BERT在下游任务中的应用》2020.12.01
- 《表6 稳健性检验结果：预训练语言模型BERT在下游任务中的应用》2020.12.01
- 《表4 正交试验及结果：预训练语言模型BERT在下游任务中的应用》2020.12.01
- 《表2 污垢元素含量：预训练语言模型BERT在下游任务中的应用》2020.12.01
- 《表4 训练时间对比：基于联邦学习的通信诈骗识别模型的实现》2020.04.30
- 《表2 实验结果对比：基于Bert,ReZero和CRF的中文命名实体识别》2020.06.18
- 《表7 模型训练时间：基于迁移学习的维吾尔语命名实体识别》2020.06.20
- 《表1 电子病历样例：基于预训练BERT字嵌入模型的领域实体识别》
- 《表3 模型的微调：基于预训练BERT字嵌入模型的领域实体识别》
- 《表2 标注样例：基于预训练BERT字嵌入模型的领域实体识别》
- 《表3 各类实体的识别率：基于BERT的警情文本命名实体识别》2020.02.10
- 《表1 实验环境：基于BERT的警情文本命名实体识别》2020.02.10
- 《表2 模型训练过程：基于深度神经网络的网络安全实体识别方法》2019.01.30