《表2 CRF模型在不同特征设置条件下的性能》

  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

《面向全文本的微观实体抽取及扩散研究》

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

将标注文献按照10折交叉验证的方式随机分为训练集和测试集，采用一般语义特征、字符特征、大小写特征、词聚簇特征来对数据进行刻画[4]，与CRF模型对比，考察Bi LSTM-CRF模型的合理性、科学性和优越性。利用CRF++，选用Unigram模板，在构造词聚簇特征时，选择500、1，000、1，500、2，000簇进行布朗（Brown）聚类[34]，得到4种不同簇的特征表示。还考虑不加入词聚簇特征的情形，由此共有5种特征设置。从表2看出，加入词聚簇特征的CRF模型均优于未加入词聚簇特征的CRF模型。当聚类的簇数为500时，CRF模型的召回率、F1值效果最好，故本文将词聚簇数目设置为500。