《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》

  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

《面向文本命名实体识别的深层网络模型》

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

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.