《表3 实验复杂度对比：基于CNN-CRF的中文电子病历命名实体识别研究》

  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CNN-CRF的中文电子病历命名实体识别研究》

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

表3列出了本文方法与目前主流方法的时间及模型大小的比较，侧面体现了模型的时间复杂度和空间复杂度。本文方法训练速度比3种主流方法快一倍多，测试速度比Bi-LSTM+CRF方法快近一倍。由于ID-CNN+CRF，Bi-LSTM+CRF都是基于深度学习的方法，而CRF是传统的机器学习方法，因此本文只对ID-CNN+CRF与Bi-LSTM+CRF进行了比较。