《表6 各标签占有比以及性能》

  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

《基于字序列的非结构化简历信息解析方法》

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

表5可以看出加入Dropout之后，CRF层对非结构化文本简历的解析结果有一定提升，F1-score增加了0.97%，其主要原因是在对非结构化简历进行解析时，Dropout阻止了某些特征只能在其特定特征下才有效果的情况。在模型加入Dropout的基础上加入预先训练的字向量，模型的性能提升了将近2.3%。由表6表示的各个标签占有比以及性能可知，本文提出的利用BLSTM对字序列进行建模的方法对于性别、姓名等短信息实体具有一个很好的识别效果。