《表3 BM25 Top N召回率与系统时延(秒)》

  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

《融合FAQ的任务型对话系统设计》

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

从表2可以看出，无论是否使用GPU进行计算加速，基于神经网络的CDSSM与传统机器学习方法的BM25在时间消耗方面都存在量级上的巨大差异。BM25初筛保留TopN的大小直接影响了检索模型的性能，于是进行TopN召回率和系统时耗统计实验进行分析实验，结果如表3所示。