《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》
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。
图表编号 | XD00145600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 曹依依、周应华、申发海、李智星 |
绘制单位 | 重庆邮电大学计算机科学与技术学院、计算智能重庆市重点实验室、重庆邮电大学计算机科学与技术学院、计算智能重庆市重点实验室、重庆邮电大学计算机科学与技术学院、计算智能重庆市重点实验室、重庆邮电大学计算机科学与技术学院、计算智能重庆市重点实验室 |
更多格式 | 高清、无水印(增值服务) |