《表2 实验1结果:Trans-NER:一种迁移学习支持下的中文命名实体识别模型》
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
《Trans-NER:一种迁移学习支持下的中文命名实体识别模型》
本文选取了几种效果较好且较为流行的实体识别模型与Trans-NER模型进行对比.这些模型包括CRF、层叠马尔科夫模型、LSTM-CRF与GRU-CRF.实验结果见表2.实验结果显示,Trans-NER模型在不同实验指标上均超过了其他模型.这说明在实体识别模型中应用迁移学习技术,提高了模型的识别效果.在接下来的实验中,本文使用GRU-CRF模型作为基准模型进行对比实验.
图表编号 | XD0079885300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 王银瑞、彭敦陆、陈章、刘丛 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |