《表4 SVM实验结果：融合多特征的老挝机构名实体识别方法》
提示：宽带有限、当前游客访问压缩模式
%
使用SVM模型对上述老挝机构名称前缀词的识别实验结果如表4所示。
| 图表编号 | XD00226933900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.01 |
| 作者 | 晏雷、周兰江、张建安、周枫 |
| 绘制单位 | 昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院、昆明理工大学信息工程与自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 老挝机构名实体特征词》2020.10.01
- 《表2 上下文特征模板：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表6 对比实验结果：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表3 标注示例：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表7 多特征的融合系统各关键词识别率》2019.11.01
- 《表4 不同特征对比：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表1 老挝语-中文对照：融入多特征的汉-老双语对齐方法》2020.03.15
- 《表5 实验结果：融入多特征的汉-老双语对齐方法》2020.03.15
- 《表6 不同模型对比：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表5 不同模型对比：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表3 模型超参数：融合多特征的老挝语人名地名命名实体识别》2020.03.15
- 《表6 实验硬件资源：融合多特征的Android恶意软件检测方法》2020.01.10
- 《表3 融合步骤得分：融合多特征的视频帧间篡改检测算法》2020.02.15
- 《表2 实体数量统计：基于深度学习和多特征融合的中文电子病历实体识别研究》2019.11.30
- 《表2 多特征融合SVM与多核SVM实验数据表》2019.09.25
- 《表2 形状特征参数值：基于多特征的SVM多分类PCB焊点缺陷检测方法》2019.06.25
- 《表3 分类准确率：基于多特征的SVM多分类PCB焊点缺陷检测方法》2019.06.25
- 《表1 焊点样本：基于多特征的SVM多分类PCB焊点缺陷检测方法》2019.06.25
- 《表3 多特征消歧准确率：多特征融合的中文命名实体链接方法研究》2019.01.24
- 《表3 评测数据统计：融合多特征的中文集成实体链接方法》2019.01.01