《表6 基于基线模型的句子特征实验》

  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

《面向问句复述识别的多卷积自交互匹配方法研究》

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

（注：“开发集”和“测试集”对应的单位为“%”）

从实验结果中可以发现句子短语特征对模型性能影响最低，位置特征对模型影响次之，词共现特征对模型影响最大。三种特征全去除，只使用GloVe词向量，整个模型性能下降2.03%。同时，本文基于Siamese-CNN、Siamese-LSTM模型，通过添加3种句子特征进行性能对比，如表6所示，SiameseCNN与Siamese-LSTM的结果取自BiMPM的工作，而Siamese-CNN+、Siamese-LSTM+表示是添加3种句子特征后复现得到的结果。从表中结果可知，添加3种句子特征之后的模型相较于原有模型在测试集性能上均有所增加，由此，可以得出本文构造的3种句子特征对于其他模型也有效。综上所述，本文构建的三种句子特征简单有效。