《表1 PKU领域分词性能对比》
提示：宽带有限、当前游客访问压缩模式
本文观察同一领域融入词典信息后的性能，并与不使用词典信息的模型进行对比，最终结果如表1所示。
| 图表编号 | XD0035689400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.01 |
| 作者 | 冯雪 |
| 绘制单位 | 北京信息科技大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 连接方式的对比：基于伪标注样本融合的领域分词方法》2021.02.20
- 《表4 相关参数设置：基于伪标注样本融合的领域分词方法》2021.02.20
- 《表3 训练数据：基于伪标注样本融合的领域分词方法》2021.02.20
- 《表3 微博PKU-SEG分词结果样例》2021.01.15
- 《表1 1 在PKU语料上与CRF实验对比结果》2020.02.01
- 《表2 5-Tag标记法：电商领域中有关物流评价中文分词的研究》2019.11.20
- 《表4 实验对比结果：电商领域中有关物流评价中文分词的研究》2019.11.20
- 《表3 特征模板：电商领域中有关物流评价中文分词的研究》2019.11.20
- 《表3 不同分词结果对比：基于深度学习和迁移学习的领域自适应中文分词》2019.09.01
- 《表1 模型中的参数值：基于联合学习的跨领域法律文书中文分词方法》2019.09.01
- 《表1 相关分词规定：基于深度学习和迁移学习的领域自适应中文分词》2019.09.01
- 《表2 通用领域分词模型超参数》2019.09.01
- 《表3 数据规模统计：基于弱标注数据的汉语分词领域移植》2019.09.01
- 《表1 不同维度和随机失活比下的模型分词性能》2019.10.01
- 《表1 不同中文分词方案的性能比较》2019.09.05
- 《表6 模型整体分词性能》2019.08.25
- 《表1 不同分词模型在PKU, MSRA, CTB 6.0数据集的分词效果》2019.01.01
- 《表3 同一领域短语的不同分词结果》2019.02.15
- 《表2 金融领域分词性能对比》2019.01.01
- 《表2 3类分词算法的性能对比》2018.09.28