《表4 不同神经网络模型实验结果》

  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

《基于迁移学习的维吾尔语命名实体识别》

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

%

为了和主流的神经网络模型进行维吾尔语命名实体识别任务上的性能对比，实验中分别采用RNN、LSTM、BiGRU、BiLSTM-CRF、BiGRU-CRF进行实体识别任务，结果如表4所示．从表4中可以看出：使用BiGRU-CRF的F1值是最高的，达到了83.96%；BiGRU比LSTM的F1值高出0.11%，并且BiGRU-CRF的F1值比传统神经网络RNN提高了4.89%，比BiLSTM-CRF的F1值也高出0.14%.