《表6 不同模型的实验结果》
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
《基于句子级Lattice-长短记忆神经网络的中文电子病历命名实体识别》
由表6可知,当添加词性标注、词典等特征后,F1-measure比只用字符特征提高了8.84%,item、body、symptom等专业词典的加入可在数据预处理时提高分词准确性及模型的识别准确率。NCCD是Wang等[10]针对国内药物参考国际通用的Rxnorm模型建立的NCCD,本研究在模型(2)的基础上抽取出药名部分作为词典特征加入,可有效提高药物的F1-measure。在以上特征的基础上加入Re-entity方法,F1-measure从86.13%提高到86.51%。
图表编号 | XD0055524500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.20 |
作者 | 潘璀然、王青华、汤步洲、姜磊、黄勋、王理 |
绘制单位 | 南通大学医学院医学信息学教研室、南通大学医学院医学信息学教研室、哈尔滨工业大学(深圳)计算机科学与技术学院、海军军医大学(第二军医大学)长征医院风湿免疫科、南通大学信息科学技术学院通讯工程教研室、南通大学医学院医学信息学教研室 |
更多格式 | 高清、无水印(增值服务) |