《表3 MSRA数据结果（F值）》

  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

《基于不同模型的中文命名实体识别方法研究》

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

四种模型中对于机构的识别效率均较低，原因主要在于机构名称中存在大量嵌套，且机构名往往较长较为复杂，且容易包含其他性质的词语，因此容易造成歧义。在数据集中出现部分类似“日本伊藤忠商事公司”、“新西兰航空公司”等机构命中包含地名的嵌套现象，同时也会存在“阿航”等机构的简写。经统计MSRA训练集与人民日报训练集中机构类实体数量分别为19575和9831，Bert对其识别的准确率仍能达到90%以上。LSTM由于受其网络模型性能所限，缺乏训练数据表现较CRF仍有2%的差距。MSRA数据集使用了近两倍于人民日报数据集的训练数据，但对于CRF的提升并不明显，而对于神经网络模型却有较大提升，同时使用了Bert预训练字符向量的模型在人民日报数据集上的表现较其他模型在MSRA数据集上的表现更好，即使前者使用了较少的训练数据。为避免因数据集差异造成的结果不准确，接下来的实验将MSRA数据集随机划分出与人民日报数据集相同体量的训练数据，并在四种模型上进行了实验，四种模型F值的表现与未划分前的对比如下图所示，从图中可看出划分后的MSRA数据与人民日报数据在四种模型的表现基本一致，而MSRA完整数据以其较多的训练数据优势在四种模型上的表现均为最好，而使用了Bert预训练字符向量的模型在划分后的MSRA数据集上的表现仍优于其他模型在MSRA完整数据集上的结果。