《表5 与传统远程监督方法对比结果》
/%
本文的实体关系抽取方法与Mintz、MultiR、MIML这三种经典的远程监督方法的实验对比结果如表5和图5所示。表5展示了中文语料下各方法的实验结果,可以看出,不论是准确率还是召回率,本文方法皆远高于三种传统远程监督方法。图5中展示了英文语料每种方法的PRC曲线,可以看出在整个召回率范围内,本文方法(GRU_PCNN_ATT)的准确率均比三种基于特征的传统远程监督方法高出很多。当召回率大于0.1时,基于特征的关系抽取方法准确率大幅下降,而本文方法还能取得不错的准确率。这是因为人工设计的特征不能够准确把握句子的语义信息,而且标注特征的NLP工具不可避免地会产生错误影响到关系抽取的效果。相比来说,本文基于神经网络的关系抽取方法可以避免一些NLP工具的错误,更加准确地学习到句子的语义信息。
图表编号 | XD00133916500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.01 |
作者 | 万静、李浩铭、严欢春、张雪超 |
绘制单位 | 北京化工大学信息科学与技术学院、北京化工大学信息科学与技术学院、北京化工大学信息科学与技术学院、国防大学联合勤务学院 |
更多格式 | 高清、无水印(增值服务) |