《表4 EDGCNN模型部分实验结果》
从表3可以看出,EDGCNN模型拥有最高的召回率,而F1值和现有最好模型在性能上相当。Indep将情感句识别和原因句识别当作两个独立的子任务,上层的两个Bi-LSTM分量没有特征交互,而Inter-CE和Inter-EC在上层Bi-LSTM进行特征融合,性能更好,结果也表明情感特征更容易影响原因句的抽取。但是这三种模型最后的过滤器没有考虑到上下文的信息,会过滤掉很多正确的情感-原因对,所以在召回率上不如EDGCNN。F1值上,EDGCNN与现有最好模型Inter-EC性能上相当,也说明了本文提出的方法的有效性。此外,特别需要指出的是EDGCNN可以进行更加细粒度的情感原因抽取,部分情感原因关键字抽取结果如表4所示。
图表编号 | XD00157152600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.25 |
作者 | 代建华、邓育彬 |
绘制单位 | 湖南师范大学智能计算与语言信息处理湖南省重点实验室、湖南师范大学语言与文化研究院、湖南师范大学信息科学与工程学院、湖南师范大学智能计算与语言信息处理湖南省重点实验室、湖南师范大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |