2.1. Named Entity Tagger and OOV De

2.1. Named Entity Tagger and OOV Detector
We use a conditional random field (CRF) based named entity tagger[10],withafirstorderMarkovmodel,BIOencoding(B- ORG, I-ORG, etc.), and a standard set of orthographic features [11] (Baseline). We used the default parameters in Mallet 1 and a Gaussian prior of σ2 = 10 (results were generally insensi- tive to σ.) The number of training iterations was selected using development data. On CONLL 2003 English data [1], the tag- ger achieves an overall development F1 of 88.34 and test F1 of 81.41, which is close to state of the art on this task.

Kết quả (Việt) 1:

2.1. tên thực thể Tagger và OOV Detector Chúng tôi sử dụng một quấn ngẫu nhiên có điều kiện (CRF) dựa trên tên thực thể tagger [10], withafirstorderMarkovmodel, BIOencoding (ORG B -, tôi-ORG, vv) và một bộ tiêu chuẩn là tính năng [11] (cơ sở). Chúng tôi sử dụng các tham số mặc định trong Mallet 1 và một trước khi Gaussian của σ2 = 10 (kết quả là thường hoạt động cùng insensi để σ.) Số lượng đào tạo lặp đi lặp lại được lựa chọn bằng cách sử dụng dữ liệu nghiên cứu. Trên CONLL năm 2003 Anh dữ liệu [1], thẻ-Đức đạt được một sự phát triển tổng thể F1 của 88.34 và thử nghiệm F1 của 81.41, mà là gần với nhà nước của nghệ thuật ngày nhiệm vụ này.

Kết quả (Việt) 2:

2.1. Tên là Entity Tagger và OOV Detector
Chúng tôi sử dụng một điều kiện fi ngẫu nhiên lĩnh (CRF) dựa tên thực thể tagger [10], witha fi rstorderMarkovmodel, BIOencoding (B- ORG, I-ORG, vv), và một bộ tiêu chuẩn các tính năng chính tả [11] ( cơ sở). Chúng tôi sử dụng các thông số mặc định trong Mallet 1 và trước Gaussian của σ2 = 10 (kết quả mang tính thường insensi- để σ.) Số lần lặp lại đào tạo được lựa chọn sử dụng dữ liệu phát triển. Trên CONLL 2003 dữ liệu Tiếng Anh [1], ger tag- đạt được một F1 phát triển chung của 88,34 và thử nghiệm F1 của 81,41, mà là gần với nhà nước của nghệ thuật vào nhiệm vụ này.