《表4 注意力机制实验结果》

  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

《基于循环卷积神经网络的实体关系抽取方法研究》

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

/%

基于句子级别注意力机制的实验结果如表4所示，表中显示的数据为准确率值，单位均为%。可以看出，不论测试集大小如何，本文加入注意力机制的方法（GRU＿PCNN＿ATT）效果均高出随机选择（GRU＿PCNN＿ONE）和平均权重（GRU＿PCNN＿AVG）约3%～4%，说明基于句子级别注意力机制的加入有助于实体关系抽取准确率的提升。此外，由表中数据可以看出，使用平均权重的模型（GRU＿PCNN＿AVG）的准确率要低许多，尤其是当测试集为全部语句时。相对于随机选择的模型（GRU＿PCNN＿ONE）而言，使用平均权重的模型虽然学习的语句更多，可以获得更多的特征，但同时也给予那些错误标注语句相同的权重值，导致噪声数据的混入，影响了模型的效果。