《表1 不同模型实验结果对比》

  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

《预训练语言模型在中文电子病历命名实体识别上的应用》

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

由于本文需搭建不同模型，因此本文实验环境在不同的软硬件系统中执行。实验以模型为基础设计了多组对比实验，从而验证不同模型及方法在中文电子病历命名实体识别中的效果。不同模型实验结果对比如表1所示。实验分为三个部分，首先在未引入任何外部资源的前提下，以word2vec方式获取词特征，整合CRF获取基准模型精度，并因此而获得了66.6%的基线F值；其次分别使用BERT，ERNIE，ALBERT，NEZHA预训练模型搭建预训练模型、条件随机场框架验证预训练语言模型的可用性及高效性。最后引入双向循环神经网络至模型中添加特征提取环节，实验结果如表2所示。