《表3 实体识别结果:慢阻肺知识图谱的构建研究与实现》
通过实验,如表3所示,分析可以得到,基于深度学习的模型比传统的机器学习效果要好,这是因为CRF算法的结果跟选择的特征有关,而相关特征的选择又是有人参与设定,会出现局限性.BiLSTM比LSTM的效果要好,因为LSTM是考虑当前状态之前的信息,没有考虑当前状态之后的信息,而在命名实体识别的过程中,当前状态的之前与之后应该是同等重要,因此BiLSTM更加适合命名实体识别.BiLSTM-CRF明显要比单独使用时效果要好,因为CRF构造字符间的特征对应关系,而LSTM/BiLSTM层的输出矢量归一化,使得向量泛化.所以BiLSTM-CRF的在命名实体识别效果最好.
图表编号 | XD00175972300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.01 |
作者 | 贾辛洪、宋文爱、李伟岩、王青、雷毅、陈志华、常宗平 |
绘制单位 | 中北大学软件学院、中北大学软件学院、中北大学软件学院、清华大学信息技术研究院、清华大学信息技术研究院、中日友好医院临床医学研究所、中日友好医院临床医学研究所 |
更多格式 | 高清、无水印(增值服务) |