《表3 高速突发事件实体识别实验结果》

  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

《高速公路突发事件实体识别及事件分类联合模型研究》

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

本文使用高速突发事件数据集的测试集来对训练后的HMAN-Bi LSTM-CRF模型进行评价。表3展示了高速突发事件中不同类型的实体识别结果。从表3可以看出，事发时间、高速名称、高速编号和事发方向实体类型取得了相对较高的结果，这是因为它们的表达形式相对较为固定且实体语义简单。事发路段、事发位置、实体的各项指标相对较低，主要是因为这几类实体的字符数相对较长且其实体语义比较复杂。通过查看实例发现，在高速突发事件数据集中事发位置的实体分布低于其他实体，这也是造成其识别准确率等指标较低的原因。