《表2 设备实体数据集上的实验结果》

  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

《基于自然语言处理的压缩机故障自动识别方法》

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

设备实体数据集上的实验结果如表2所示.从表中可以看出，两个对比方法Bi LSTM-CRF和Lattice LSTM的F1值分别达到了85.34%和88.38%，而本文提出的BERT-fune-tune方法的F1值达到了95.05%，比Bi LSTM+CRF和Lattice LSTM提高了9.71%和6.67%.由此可见，该方法比业界普通使用的基线方法能更有效地识别出工单记录文档中的设备实体信息.