0
我正在从文档（pdf）中进行命名实体提取。每个PDF包含组实体（近16个不同类型的实体）计算实体在NLP中的置信度得分命名实体识别
这里是我的步骤，构建NLP和ML车型：
Step 1：分析文档。有近2百万令牌（单词）。用这些词和CBOW方法构建word2vec模型。Step 2：通过使用word2vec模型，生成向量的单词在douments。Step 3：根据域，我为培训，验证和测试标记单词（向量）。Step 4：带标签的数据，训练神经网络模型。Step 5：模型构建完成后，给出模型的测试数据（单词）。准确度达到85％。
直到现在一切顺利。但问题在于下一步。 :(
Step 6：现在我想从从训练模型分类的话让与信心得分实体
使用SOFTMAX分类输入的神经网络模型从这个模型得到的分数。每一个字。
但我的问题是，我的实体包含最少3个字。我如何计算置信度生成的实体。
现在我全光照g P(entity) = P(w1)*P(w2)*(w3)如果实体有三个单词。
请帮助我。这种方法一直没有意义。
假设，如果模型预测实体中只有两个单词，那么实体信心将为P(entity) = P(w1)*P(w2)。
而且，如果模型只预测实体中的一个词，那么P(entity) = P(w1)。 :(