|
| 方法 |
基金会 |
精度 |
回忆 |
F1 |
|
| LVCoref [45] |
基于规则的,霍布斯的算法 |
0.69 - -0.88 |
0.66 - -0.80 |
0.68 - -0.84 |
| 统治者(46] |
基于规则的 |
0.59 - -0.65 |
0.50 - -0.75 |
0.55 - -0.69 |
| BARTEK [47] |
机器学习 |
0.58 |
0.65 |
0.61 |
| 混合(48] |
深入学习,筛 |
0.70 |
0.68 |
0.69 |
| RU-sys1 [49] |
基于规则的,本体 |
0.82 |
0.70 |
0.76 |
| RU-sys2 [49] |
基于规则的 |
0.71 |
0.58 |
0.64 |
| RU-sys3 [49] |
基于规则的 |
0.63 |
0.50 |
0.55 |
| RU-sys4 [49] |
统计,本体 |
0.54 |
0.51 |
0.53 |
| RU-sys5 [49] |
机器学习、语义 |
0.58 |
0.42 |
0.49 |
| RU-sys6 [49] |
决策树 |
0.36 |
0.15 |
0.21 |
| Khadzhiiskaia和Sysoev50] |
机器学习 |
0.84 |
0.77 |
0.80 |
| Kučova和Žabokrtsky51] |
基于规则的过滤 |
0.60 |
na |
na |
| CZ分类器(52] |
Classifier-based机器学习 |
0.70 - -0.76 |
0.70 - -0.76 |
0.70 - -0.76 |
| CZ士兵(52] |
Ranker-based机器学习 |
0.79 |
0.79 |
0.79 |
| Treex CR(捷克语、英语)53] |
机器学习 |
na |
na |
0.61 - -0.68 |
| Treex CR(俄罗斯、德国)54] |
机器学习、投影 |
0.50 - -0.64 |
0.15 - -0.24 |
0.25 - -0.34 |
|
|
