《表4 基于2006查询集合的监督式查询扩展性能》

  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

《一种融合语义资源的生物医学查询理解方法》

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

实验中的对比方法包括:基于两阶段监督式查询扩展方法（Two-stage SQE）[8]，该方法将监督式查询扩展分为查询选择阶段和模型训练阶段，作为最新的监督式查询扩展方法，可以看作是一个较强的对比方法；基于支持向量机分类器选择扩展词的方法（SVM）[6]，该方法是一种经典的监督式查询扩展方法，通过SVM将候选扩展词分类为好的扩展词和坏的扩展词，并根据分类器输出的后验概率得分选出最为有用的扩展词；基于迭代决策树的扩展词选择方法（MART）[12]，该方法和基于SVM的方法类似，用以选择候选扩展词，以上两种方法可以看作是点级的排序学习方法；而RankNet[13]和RankBoost[15]是两种对级的排序学习方法，RankNet以神经网络模型为基础，以具有偏序关系的扩展词对间的序列概率计算排序损失，RankBoost以梯度提升算法为基础，通过迭代的方式结合多个弱排序器，构成最终的扩展词选择模型；ListMLE方法[30]是列表级的排序学习方法，该方法以最优排序和预测排序之间的概率似然为依据计算排序损失，并以此为基础给出扩展词排序列表；Group-ListMLE是本文提出的基于组排序学习的扩展词选择模型.具体实验结果如表4和表5所示.