《表1 实验参数表：融合BSRU和ATT-CNN的化学物质与疾病的关系抽取方法》

  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BSRU和ATT-CNN的化学物质与疾病的关系抽取方法》

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

实验的第一步是数据处理，使用word2vec工具和Skipgram模型将数据集中的文本转换成词向量表示，词向量维度设置为50维．第二步将训练后的词向量输入到BSRU模块中提取文本单词的语义特征、位置特征、上下文信息特征等，特征向量的维度以最大的向量维度为准，其他向量不足时用0向量填充．BSRU将所有逐元素相乘的操作放入一个核函数中，使模型计算效率明显提高，大幅加快了模型的训练速度．第三步将多种词特征拼接后输入到ATT-CNN模块，注意力机制根据多种特征信息结合语义给予目标关系更高权重，降低其他并列实体关系对化学物质与疾病关系抽取的干扰，CNN模块卷积层使用多个不同大小的卷积核对多种词特征进行学习计算，卷积核的权重矩阵值，初始值随机生成，随着训练进行改变，在同一个特征映射矩阵中使用相同卷积核，减少参数的训练时间．经实验验证使用多个不同大小的卷积核的CNN能够有最佳的表现，卷积核的大小设置为3、5、7．池化层使用分段池化策略，在降低维度的同时能够最大化的保存文本特征．实验最后使用softmax分类器完成关系分类，完成关系抽取任务．实验中主要参数如表1所示．