《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》

  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

《基于文本化简的实体属性抽取方法》

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

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。