《表3 与其他模型的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合源端句法和语义角色信息的AMR解析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3给出了本文模型与其他AMR解析模型的性能比较。需要注意的是，LDC2016E25和LDC2017T10是完全相同的数据集，并且采用完全一致的数据划分。而LDC2015E86与前两个数据集的开发和测试集是一样的，但是训练集大小只有它们的一半左右，由于该数据集仅对2015年AMR解析评估比赛的参与者开放，所以本文无法使用该数据集。从表3的结果中可以看出，在数据集同样是LDC2017T10的情况下，本文的“+句法+语义角色”的模型结果为69.4，优于Noord等基于字符的seq2seq模型[9]结果64.0。由于本文未使用Noord等的100k伪语料来扩充数据集，所以无法与其71.0的模型结果进行比较。当然，对于Foland等[24]、Guo等[21]和Lyu等[25]的非seq2seq模型也不进行比较。