《表3 不同模型的性能比较》

  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

《基于深度学习的电网调控文本知识抽取方法》

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

从表3中可以看出本文提出的基于注意力的Bi-LSTM+CRF，在语料上的F1值比另外3种模型高，实验结果略优于另外3种模型；加入注意力机制的模型，实验结果明显优于Bi-LSTM+CRF。设备操作规定和事故处理这类文本，文字描述清晰且具有流程性的特点，知识抽取效果较好；对于文字描述模糊且包含多个语义的文本，知识抽取效果较差，甚至不能实现知识抽取。表4为不同优化方法的性能比较，为了证明Adam法的有效性，本文进行了与SGD法，Momentum法和NAG法的对比实验。表4中的实验结果表明，在其他实验设置相同条件下，Adam法表现效果更好。