《表2 不同模型在数据集weibo NER上的表现》

  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

《问答系统命名实体识别改进方法研究》

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

不同模型在数据集weibo NER上的最佳表现如表2所示。从表2可以看出，应用该模型在该数据集上采用两种分词方式的表现均比使用LSTM的效果好，对于分别使用unigram和bigram分词方式时，与LSTM相比，应用该模型F1分数分别提升了8.6%和4.7%，其余3类指标也得到了有效提升，acc，pre和rec最高分别提升了0.4%、6.1%、10.7%。可以看出，该模型在weibo NER数据集上的效果十分突出。