《表2 生成评论文本的整体多样性对比》
首先,基于3个不同的指标Diversity-Rouge-1、Diversity-Rouge-2、Diversity-Rouge-L来评估生成评论文本的整体多样性,结果如表2所示。从表2中可以看出,GradeGAN模型的整体多样性要比Seq2Seq和SeqGAN模型高,说明模型在加入等级判别器后,生成评论文本的多样性提高了很多。
图表编号 | XD00165391000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 严丹、何军、刘红岩、杜小勇 |
绘制单位 | 数据工程与知识工程教育部重点实验室(中国人民大学信息学院)、数据工程与知识工程教育部重点实验室(中国人民大学信息学院)、清华大学经济管理学院、数据工程与知识工程教育部重点实验室(中国人民大学信息学院) |
更多格式 | 高清、无水印(增值服务) |