TensorFlow基于LSTM+CRF的预测实例:命名实体识别

Batch大小为128,循环次数为500次,损失函数优化完,最终完成评分为76.32。

得分记录
2019-06-15

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 73.49

20:24:24

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 72.12

20:10:10

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 72.25

19:20:18

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 72.86

19:10:16

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 70.41

18:57:38

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 72.37

18:46:42

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 65.72

18:36:14

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 74.37

18:19:43

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 76.32

18:06:47

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 74.12

16:08:12

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 66.82

15:55:30

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 73.57

15:44:02

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 70.87

14:52:37

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 75.49

14:26:41

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 73.57

14:10:42

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 73.05

13:59:54

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 73.52

13:31:44

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 70.2

12:32:20