《表2 HMKN模型及模型变体的AUC值对比》

  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

《基于高速多核网络的远监督关系抽取方法》

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

图4和表2显示了笔者提出的HMKNh、HMKNk和HMKN这3种远监督关系抽取方法在NYT数据集上的PR曲线和AUC值．结合图4和表1、表2的结果可以证明，同时将高速网络和多非对称卷积方法加入神经网络中的效果比单独使用其中一种技术的效果要好．通过HMKNh与HMKN实验结果的对比，说明多非对称核卷积的方法能够提高远监督任务的特征提取效果，并有助于提高分类器的性能．HMKN相较于HMKNk的实验性能得到了提高，证明了通过高速网络的思想允许部分信息直接通过神经网络各层的做法可使特征和梯度的传递更加有效，同时减少了参数的数量．