《表7 各级地址模型性能》

  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BiLSTM-CRF的中文层级地址分词》

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

基于上述模型参数训练的4个中文地址分词模型在测试数据集上测试得到模型整体分词性能（表6）和各模型在各层级地址的分词性能（表7）。从表6可知，除LSTM模型3个指标和CRF模型召回率低于90%外，其余模型的相关指标均高于90%。LSTM、CRF、BiLSTM和BiLSTM-CRF这4个模型的指标值均依次递增。其中，BiLSTM-CRF模型的3个指标均最高，达到93%，模型整体分词性能最好，其次为BiLSTM模型，精确率高于91%，另外两个指标值也接近91%。LSTM模型的分词性能相对CRF模型和其他模型较差，3个指标值均低于90%。CRF模型召回率接近90%，精确率和F1值高于90%，一定程度上优于LSTM模型。另外，4个模型的召回率相对于精确率较低，原因可能是模型在训练数据上的效果比测试数据要好，模型存在轻微的过拟合，可以增加训练数据量或者修改Dropout率改善模型测试效果，提高召回率。LSTM模型的综合性能低于其他模型可能跟LSTM模型本身只能记忆过去信息，无法获取未来信息的特点有关，并且LSTM模型无法考虑输出标注间的关系，这种缺点可能导致模型输出存在标注不连续的错误。CRF模型的整体性能高于LSTM可能因为其能够设定大量的特征，在充分拟合数据分布的情况下仍能考虑模型输出标注间的限制。而BiLSTM为双向记忆，尽管没有限制输出标注间关系的能力，但通过记忆过去和未来地址信息的能力可以达到优于CRF模型的效果。最后，BiLSTM-CRF模型综合了上述模型的优点，既有强大的长期记忆能力，也能考虑输出标注间转移特征，因此各项指标均优于其他模型，具备更佳的地址分词效果。