《表4 Turing test样例》
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
《学术文本词汇功能识别——基于标题生成策略和注意力机制的问题方法抽取》
在表4所示的Turing test实验样例中,标题1和摘要均为原文内容(由人类撰写),标题2则为对应机器生成结果。限于人工评测方法的既有缺陷,本次Turing test实验只随机选取了200条数据作为测试集,具体结果如表5所示。从表5结果可发现,在大多数情况下(65%),模型生成标题的质量在一定程度上能达到原文水准,少部分情况下表现更优(28%)。该实验结果表明,基于Encoder-Decoder架构的seq2seq模型能够较好的学习人类在标题上的行书特征,可为学术文本中核心问题与核心方法的识别研究提供有力支撑。
图表编号 | XD00206674700 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.24 |
作者 | 程齐凯、李鹏程、张国标、陆伟 |
绘制单位 | 武汉大学信息管理学院、武汉大学信息检索与知识挖掘研究所、武汉大学信息管理学院、武汉大学信息检索与知识挖掘研究所、武汉大学信息管理学院、武汉大学信息检索与知识挖掘研究所、武汉大学信息管理学院、武汉大学信息检索与知识挖掘研究所 |
更多格式 | 高清、无水印(增值服务) |