《表1 中文文本校对选用数据的统计》

  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

《基于Seq2Seq与Bi-LSTM的中文文本自动校对模型》

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

实验使用阿里云服务器GN2作为训练服务器，使用TensorFlow框架，共进行了4组实验，分别用来测试Seq2Seq、BiRNNSeq2Seq、带注意力机制的Seq2Seq以及与这两者结合在一起的4种模型在中文文本校对中的性能。实验所使用的数据集来源于2018 NLPCC共享的训练数据Task 2以及一部分搜狗实验室提供的开源中文语料库，全部的数据集包含了1 327 608个句子对，分别用Src和Trg表示，Src代表原句，既可能为正确的句子也可能为包含用词错误的句子；Trg表示目标输出，其均为对应Src的正确句子，其中不包含验证集。将全部数据集按比例（99.5:0.5）随机分成两部分：一个验证集，其中包含5 310个句子对，源句与目标句子之间存在不一致；另一个训练集包含所有剩余的1 322 298个句子对。测试数据包含2 000个句子对。数据集的统计数据如表1所示。