《表1 元素测量条件：基于主动学习的中文电子病历命名实体识别研究》

  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

《基于主动学习的中文电子病历命名实体识别研究》

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

为实现对基于信息熵的中文电子病历NER方法的实证评估，本文采用CCKS 2018 CNER评测数据[10]，其中，训练数据600份，测试数据400份，实体类型包括解剖部位、手术、药物、独立症状、症状描述。根据主动学习的一般迭代方法[8]，每次迭代选择排序靠前的2i+2份语料进行标注，其中，i代表迭代的次数。因此，最终选取600份中的512条（即：29）作为本实验的训练集，具体语料分布情况见表1。