《表3 所有模型在Sem Eval-2010Task8上的表现》
本文将Capsule Net使用在关系提取任务后,进一步将Capsule Net中的Capsule进行了结构的修改,如图1所示。为了确保实验的客观性,本文在相同的输入下(词向量、位置向量、词性标注)复现了SVM、CNN、Bi-LSTM及加入注意力机制后的Att-CNN、Att-Bi LSTM共五种模型,参考文献见表3。同时实现了本文所提到的Capsule Net和PPCNet(Position Perception Capsule Network)。控制了一定的参数变量,使实验更具有可比性。表3展示了各模型的实验结果,结果表明,这两种方法均对传统模型性能有了一定的提升。
图表编号 | XD00201614800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.15 |
作者 | 刘博闻、范春晓 |
绘制单位 | 北京邮电大学电子工程学院、北京邮电大学电子工程学院 |
更多格式 | 高清、无水印(增值服务) |