《表7 词嵌入投影模型在中文数据集上的综合评测（单位：%）》

  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

《面向上下位关系预测的词嵌入投影模型》

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

我们在两个公开的中文数据集BK和FD上评测了词嵌入投影模型的预测精度．在这组实验中，我们采用文献[11]的实验设置，将这两个数据集随机分成5等份，分别作为测试集进行5折交叉验证，最后将实验预测结果平均，用Precision、Recall和F1作为评测指标．我们首先利用两个概念词向量的拼接、相减和相加作为特征训练关系预测分类器．他们也在文献[13，45-46]等中作为强基线方法．这些方法在表5中分别记为Concat、Offset和Addition，我们也采用Li等人[24]提出的中文上下位关系预测算法作为基线方法．对于本文提出的算法，IPM的参数设置为t=5，每次选出Top-50个元组作为候选增量数据，加入数据集．在TPM中，我们设置μ1=μ2=10-4，实验细节和参数调整参见文献[11]．我们同样调整模型PPM、IPM、JTPM和MWPM中参数K的值，实验结果参见图8．因为中文分类体系的规模一般不大，不适合运用于ALPM的模型，所以这个模型退化为NPM，下文不再讨论．其余模型与中文的语言特性无关，所以我们采取与英语实验相同的设置．实验结果见表7.