《表3 BM25 Top N召回率与系统时延(秒)》
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。
图表编号 | XD00140354900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 李响、张磊、刘媛媛 |
绘制单位 | 数学工程与先进计算国家重点实验室、清华大学智能技术与系统国家重点实验室、数学工程与先进计算国家重点实验室、清华大学智能技术与系统国家重点实验室、数学工程与先进计算国家重点实验室、清华大学计算机科学与技术知识工程研究室 |
更多格式 | 高清、无水印(增值服务) |