《表3 不同算法的准确率比较Table 3 Comparison of the accuracy of different algorithms》

  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

《基于上下文特征的领域文献实体消歧算法》

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

在实体消歧阶段，根据2.2节中介绍的方法，选择最终计算的概率最高的候选实体为命名指称的目标实体。将本文方法与现阶段流行的实体消歧方法作对比。选择传统的BOW算法[4]，Han等[10]提出的实体-提及模型（entity-mention model，EM Model），将该方法记为EMM，Wang等[11]提出一种通过计算实体在知识库中的共同性以及实体与指称的语义相关性进行实体消歧的方法，将该方法记为commoness&relateness，简称为C&R方法，以及杨光等[12]提出的基于图方法的实体消歧算法，记为Graph算法。将本文方法记为PW方法，使用本文选择的数据集，用上述方法做实体消歧实验，比较不同方法的实体消歧准确率，结果如表3。