使用TensorFlow构建LSTM+CRF进行命名实体识别,准确率86.35%

Batch大小为48,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为86.35。

得分记录
2019-10-21

Batch Size 数据为 48 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 86.35 。

09:46:07
2019-10-20

Batch Size 数据为 48 ,Epoch循环次数为 96 次, 通过在线上环境完成训练,模型最优精度评分为 84.39 。

12:02:42
2019-10-20

Batch Size 数据为 32 ,Epoch循环次数为 96 次, 通过在线上环境完成训练,模型最优精度评分为 84.32 。

00:28:01

Batch Size 数据为 32 ,Epoch循环次数为 98 次, 通过在线上环境完成训练,模型最优精度评分为 85.49 。

21:23:39

Batch Size 数据为 32 ,Epoch循环次数为 48 次, 通过在线上环境完成训练,模型最优精度评分为 82.4 。

19:15:57
2019-09-27

Batch Size 数据为 32 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 82.85 。

17:41:16

Batch Size 数据为 32 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 81.64 。

20:36:57
2019-09-07

Batch Size 数据为 256 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 68.85 。

19:43:52
2019-09-04

Batch Size 数据为 256 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 68.7 。

23:12:11
2019-09-03

Batch Size 数据为 256 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 74.05 。

00:22:49
2019-08-31

Batch Size 数据为 128 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 40.67 。

15:24:00