《表3 不同模型在数据集CMNER上的表现》
不同模型在数据集CMNER上的最佳表现如表3所示。可以看出,在该数据集上的效果没有前两个数据集明显,分别使用bigram和unigram分词方式时,与经典模型相比,其精确率和F1得分都略有下降,但准确率和召回率均为使用该模型时最高,分别提升了0.02%和0.50%。该模型在CMNER数据集效果不太明显,仅有两项指标效果有所提升,可能是因为该数据集中的实体多为类似“胸部正位DR片”等检查项目类的实体,名称比较复杂,难以辨认,导致建立的格子词典的作用没有发挥出来,因此格子结构没有取得更优异的效果。
图表编号 | XD00225220100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 鲍静益、于佳卉、徐宁、姚潇、刘小峰 |
绘制单位 | 常州工学院电气信息工程学院、河海大学物联网工程学院、河海大学物联网工程学院、江苏省特种机器人与智能技术重点实验室、河海大学物联网工程学院、江苏省特种机器人与智能技术重点实验室、河海大学物联网工程学院、江苏省特种机器人与智能技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |