《表6 本文模型与I2B2评测结果F值对比》

  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

由表4可知，CRF模型在原子特征的基础上加入组合特征后，性能有所提高，因为组合特征包含了更多的上下文信息，能为模型的正确输出提供更多支持，因此本文深层条件随机场模型在检测隐私实体边界时，采用了原子特征和组合特征，深层条件随机场模型比传统的机器学习模型如SVM、HM M等的精确率和召回率都有所提高，整体F值得到提高.BR-BiRNN模型基于循环神经网络，不需要额外的专业领域知识，可以自动提取特征.BR-BiLSTM-CRF模型结合了神经网络层和条件随机场层，F值在三个语料上分别达到93.02%、92.51%和88.62%.妇产科医疗文本是中文语料集，由于中文预处理需要分词，存在一定的分词误差，其F值低于I2B2评测任务英文语料集结果.I2B2评测数据集是公开数据集，本文提出的三种深层网络模型与评测任务提交结果对比如表6所示.