《表1 基于迁移学习的模型效果对比》

  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

《面向企业动态风险的知识图谱构建与应用研究》

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

值得注意的是，企业领域语料标注较少，人民日报语料库属于新闻类标注语料库，直接使用会导致一些企业领域特征在新闻领域的局限下被忽略，本文通过迁移学习来优化上述深度学习模型。对于提取人名、地名、机构名的实体识别来说，企业和新闻领域的数据有极大的相似性，以新闻领域为源领域，企业领域为目标领域，首先使用人民日报语料库的新闻语料进行预训练，再基于百科网页爬取到的1 429条企业领域标注数据进行训练，将前者的SA-Bi LSTM-CRF模型的参数训练结果分别迁移到后者模型的Embedding层和CRF层上，形成4个参数各异的对比实验。从表1的实验结果来看，人民日报语料库与企业领域数据存在一定程度上的相似性，迁移学习能够有效提升SA-Bi LSTM-CRF模型的实体识别效果。