《表1 课程知识抽取中Bi-LSTM模型所使用参数》
从训练模型的整体性能出发,本文所选择的软件和硬件的整体性能如下:操作系统:ubuntu 16.04;内存:256 GB;CPU:Intel(R) Xeon(R) CPU [email protected] GHz。为了提高模型训练的速度,模型所训练的服务器配备了6块Tesla P40型号的GPU。同时,本文利用Python的Tensorflow模块实现BERT和BI-LSTM-CRF整体架构。按照十折交叉验证的规范,基于Bi-LSTM-CRF和BERT模型,本文共进行了20组的课程实体知识抽取深度模型的构建。BiLSTM模型所使用的具体参数如表1所示。
图表编号 | XD00204852200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.24 |
作者 | 沈思、左明聪、王东波、纪有书、刘浏、谢靖 |
绘制单位 | 南京理工大学经济管理学院、南京农业大学信息管理学院、南京农业大学信息管理学院、南京农业大学信息管理学院、南京农业大学信息管理学院、南京中医药大学卫生经济管理学院 |
更多格式 | 高清、无水印(增值服务) |