《表2 电力运维语料下个模型结果对比》
从表1中可以看出,引入拼音这种高细粒度字符特征的词向量模型能够有效的获取更多语义信息。此外中文拼音表达形态学上接近拉丁文字的结构,使最小语义单元的字符信息在数量上和结构上包含了更多的语义信息。CNN-BiLSTM-CRF模型在电力运维语料上进行事故多因素片段级命名实体识别的结果如表2所示。
图表编号 | XD0088254800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.05 |
作者 | 祝春捷、潘坚跃、王译田、陈超 |
绘制单位 | 国网浙江省电力有限公司杭州供电公司、国网浙江省电力有限公司杭州供电公司、西安交通大学、国网浙江省电力有限公司杭州供电公司 |
更多格式 | 高清、无水印(增值服务) |