《表1 模型超参数及取值：基于实体图路径聚合的多实体关系抽取》
提示：宽带有限、当前游客访问压缩模式
本文从训练集中随机划分出1/10的数据作为验证集，在验证集上得出模型的超参数取值，见表1。
| 图表编号 | XD00154280300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.16 |
| 作者 | 乔晶晶、温政、段利国、王莉 |
| 绘制单位 | 太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学信息与计算机学院、太原理工大学大数据学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 图4相关符号说明：基于文本化简的实体属性抽取方法》2020.11.01
- 《表2 关系类别：基于BERT的心血管医疗指南实体关系抽取方法》2021.01.10
- 《表1 实体类别：基于BERT的心血管医疗指南实体关系抽取方法》2021.01.10
- 《表3 模型消融结果：基于关系自适应解码的实体关系联合抽取》2021.01.10
- 《表2 超参数设定：基于位置感知能力胶囊网络的实体关系提取》2021.03.15
- 《表5 活荷载标准值：面向煤矿的实体识别与关系抽取模型》2020.08.10
- 《表4 实验验证结果：面向煤矿的实体识别与关系抽取模型》2020.08.10
- 《表2 网络参数设置：面向新闻领域的中文实体关系抽取》2021.01.28
- 《表3 关键参数：基于多通道自注意力机制的电子病历实体关系抽取》2020.05.01
- 《表4 模型性能比对：基于多通道自注意力机制的电子病历实体关系抽取》2020.05.01
- 《表1 有监督实体关系抽取的经典模型》2020.06.15
- 《表2 实验参数设置：基于循环卷积神经网络的实体关系抽取方法研究》2020.03.01
- 《表1 本实验所标注数据：基于卷积神经网络的旅游领域实体关系抽取》2019.12.01
- 《表4 基于模板的心血管疾病实体和关系抽取》2019.10.01
- 《表1 语义角色：基于多特征自注意力BLSTM的中文实体关系抽取》2019.10.01
- 《表2 基于深度学习的有监督和远程监督实体关系抽取对比》2019.06.01
- 《表3 超参数设置：基于多任务学习的生物医学实体关系抽取》2019.08.01
- 《表1 实体关系类型：基于BiLSTM_Att的军事领域实体关系抽取研究》2019.07.01
- 《表1 实体类型信息：基于实体对弱约束的远监督关系抽取》2019.05.01
- 《表2 人工评价结果：基于实体对弱约束的远监督关系抽取》2019.05.01