《表2 不同字向量生成器NER效果展示 (%)》
提示：宽带有限、当前游客访问压缩模式
然后纵向对比了基于笔画字向量模型中不同结构字向量构成器组件产生的字向量，以及上下文信息抽取组件中不引入拼音数据情况下生成的字向量在NER任务中的效果，如表2所示。
| 图表编号 | XD0054897200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.01 |
| 作者 | 赵浩新、俞敬松、林杰 |
| 绘制单位 | 北京大学软件与微电子学院、北京大学软件与微电子学院、中国人民大学信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 聚类效果展示：基于均衡段落和分话题向量的新闻热点话题检测研究》2020.10.25
- 《表4 使用字向量的实验结果》2021.03.15
- 《表1 模型有效性实验：基于字向量和增强表示BiLSTM句子相似度研究》2020.10.10
- 《表2 模型对比实验：基于字向量和增强表示BiLSTM句子相似度研究》2020.10.10
- 《表4 DA-NER模型在数据集上的生成数据和真实数据的例子》2020.10.01
- 《表1 特征向量分类展示表》2020.07.20
- 《表2 生成事故和异常信息展示窗》2020.02.10
- 《表7 DBN每层特征向量的输出结果展示》2020.02.15
- 《表2 实验环境：结合Bert字向量和卷积神经网络的新闻文本分类方法》2020.01.01
- 《表3 实验准确率对比：结合Bert字向量和卷积神经网络的新闻文本分类方法》2020.01.01
- 《表6 不同词向量生成模型及维度的F值(%)》2019.11.30
- 《表1 字向量训练参数设置》2019.10.15
- 《表4 字向量和词向量对比实验结果》2019.10.01
- 《表1 py2vec词向量生成模型语义效果》2019.09.05
- 《表5 汉字相似度展示：基于笔画中文字向量模型设计与研究》2019.05.01
- 《表4 不同字向量生成器分词结果 (%)》2019.05.01
- 《表3 不同模型CWS效果展示 (%)》2019.05.01
- 《表1 不同模型NER效果展示 (%)》2019.05.01
- 《表1 字符语义距离：一种基于字向量和LSTM的句子相似度计算方法》2019.01.25
- 《表2 词语义距离：一种基于字向量和LSTM的句子相似度计算方法》2019.01.25