《表2 文本分布情况：基于多注意力的中文命名实体识别》
提示：宽带有限、当前游客访问压缩模式
将带有实体标签的数据分为三类:训练集、验证集与测试集，各数据集中的文本情况如表2和表3所示。
| 图表编号 | XD0079753000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.15 |
| 作者 | 顾凌云 |
| 绘制单位 | 上海冰鉴信息科技有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 模型训练速度对比：基于膨胀卷积的中文命名实体识别》2020.06.01
- 《表1 实验数据集规模：基于膨胀卷积的中文命名实体识别》2020.06.01
- 《表1 数据描述性统计：基于语言模型的中文命名实体识别研究》2020.10.25
- 《表2 LB检验结果：基于主动学习的中文电子病历命名实体识别研究》2020.11.15
- 《表1 元素测量条件：基于主动学习的中文电子病历命名实体识别研究》2020.11.15
- 《表2 摩擦力学习进阶：基于准循环神经网络的中文命名实体识别》2020.07.16
- 《表3 试件主要参数：基于准循环神经网络的中文命名实体识别》2020.07.16
- 《表1 数据集统计：基于不同模型的中文命名实体识别方法研究》2021.01.01
- 《表1 实验参数设置：结合注意力机制的Bi-LSTM-CRF中文电子病历命名实体识别》2020.07.10
- 《表2 命名实体分类：结合注意力机制的Bi-LSTM-CRF中文电子病历命名实体识别》2020.07.10
- 《表2 参数设置：基于多层注意力机制的中文文本蕴涵识别方法》2020.08.16
- 《表2 实验结果对比：基于Bert,ReZero和CRF的中文命名实体识别》2020.06.18
- 《表2 参数设置：基于混合注意力机制的中文文本蕴含识别方法》2020.06.01
- 《表3 各类实体的识别率：基于BERT的警情文本命名实体识别》2020.02.10
- 《表1 实验环境：基于BERT的警情文本命名实体识别》2020.02.10
- 《表2 实体类别及编码：基于Attention-BiLSTM的中文命名实体识别》2019.09.01
- 《表5 模型对比：基于多注意力的中文命名实体识别》2019.05.15
- 《表1 实体标签：基于多注意力的中文命名实体识别》2019.05.15
- 《表2 词典规模：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》2019.05.20
- 《表9 3种识别情况分布：融入自注意力机制的社交媒体命名实体识别》2019.06.01