《表4 图4相关符号说明:基于文本化简的实体属性抽取方法》
分类网络的结构如图4所示(相关符号说明见表4)。输入的词性序列经过embedding层后转换成对应的词性向量,再依次输入到一个单层LSTM中进行编码。编码后的向量经过两个全连接层后,输出一个长度为2的向量。该向量经sigmoid函数激活后得到输入序列为简单句或复杂句的概率。最后,根据BCELoss(Binary Cross-Entropy Loss,二分类交叉熵损失函数)用随机梯度下降(SGD)对网络进行训练。
图表编号 | XD00222627800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 吴呈、王朝坤、王沐贤 |
绘制单位 | 清华大学软件学院、清华大学软件学院、哈尔滨工业大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |