《表2 不同模型在数据集weibo NER上的表现》
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。
图表编号 | XD00225220200 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) |