《表4 不同模型结果对比:面向文本命名实体识别的深层网络模型》
实验共使用了三个数据集,在提出的三种不同的深层网络模型下进行实验:深层条件随机场模型、BR-BiRNN模型、BR-BiLSTM-CRF模型.并与传统的SVM、HM M和CRF模型进行对比.实验发现BIOES块表示法比BIO块表示法结果更优,表4给出的实验结果均是在BIOES表示法下的结果,其中,训练SVM使用高斯核函数,HMM-DP模型是Chen等人对HMM的改进结果,CRF是未做改进的基本CRF模型,分别仅使用了原子特征和原子+组合特征,Deep CRF模型是本文提出的深层条件随机场模型,BR-BiRNN模型、BR-BiL-STM-CRF模型是本文提出的另两种基于循环神经网络的深层网络模型.本文提出的三种模型在I2B2中心2006年和2014年的评测数据集中F值均超过90%,在妇产科医疗文本中F值超过85%.针对每种具体的实体类别,表5以2014年评测数据集为例给出了每个隐私实体类别的精确率、召回率和F值.
图表编号 | XD0045010000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 李慧林、柴玉梅、孙穆祯 |
绘制单位 | 郑州大学信息工程学院、郑州大学信息工程学院、华中科技大学公共管理学院 |
更多格式 | 高清、无水印(增值服务) |