《表5 Bi LSTM-CRF模型每类实体类型的评估结果（%）》

  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BiLSTM-CRF中文临床文本中受保护的健康信息识别》

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

通过上述比对，选用Bi LSTM-CRF模型在全部出院小结记录上对模型进行评估。所有实体（32 311）类别识别的准确率、召回率以及F值分别达98.66%、99.36%以及99.01%，证明模型具有较好的性能。各实体类型结果如表5所示，大多数类型的实体识别F值超过95%。住院号与病理编号F值稍低于95%，可能由于编号间的结构相似性。而年龄F值偏低（83.17%），一部分原因可能是训练样本较少，且在出院小结文本中没有明显的年龄标记（如“张某，97，于2017年入院”）。而对于X光片编号类别，除训练样本较少原因外，部分出院小结中在上文提及相关操作，而下文编号没有明确指出为哪一类编号，因此造成识别准确率偏低（如“入院期间拍摄X光片，编号xxxx”）。