《表3 所构建语料库各类型实体文本描述特点统计》

  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

《公路桥梁定期检测领域命名实体识别语料库构建》

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

由于所构建语料在不考虑嵌套性的前提下仅标注了最外层实体，而各类型实体长度对其边界和类型的识别有重要影响。如表3所示，各类型实体最大字符数均较大，这正是由于在标注过程中没有考虑嵌套性，并仅标注了最外层实体。在最高频字方面，BRI实体为“桥”，其主要原因是BRI基本上以“桥”作为其结束字。ENT、ENTE和ENTL的最高频字均为“#”，其原因是“#”在公路桥梁定期检测报告中代表“号”，而报告中描述某构件时通常包含符号“#”，例如“3#梁”“2#台帽”“4#桥台处”等。DIS和UND实体的最高频字分别为“裂”和“未”字，其原因在于观测到的结构病害中“裂缝”为最主要病害类型，还大量存在“开裂”等病害描述，而标注为UND的最高频文本为“未见明显病害”。在最小字符数方面，ENT类型出现“墩”“梁”等单字作为独立实体的情况。UND实体类型中有“未”单独标注的情况。ENTL类型具有最大的平均字符数，其长度达到了8个字符。