《表1 事件抽取实验结果：一种面向生文本的事件同指消解神经网络方法》

  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

《一种面向生文本的事件同指消解神经网络方法》

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

为了验证本文面向生文本的事件同指系统的性能，本文选取了目前性能最好的面向生文本的事件同指消解系统Lu[18]作为基准系统。另外，由于神经网络方法Krause[8]使用了大量的标注事件特征，所以无法和本文方法进行比较。事件抽取、事件真实性识别和事件同指消解的结果如表1～表3所示。其中，表1和表2中LC为图1所示的模型，ENS＿NN是集成模型。