《表4 EDGCNN模型部分实验结果》

  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

《基于情感膨胀门控CNN的情感-原因对提取》

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。