《表7 不同seq2seq-RNN模型的实验结果》

  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

不同模型在中文Wiki Edit数据集上进行50次迭代训练，其中词向量维度和LSTM的隐藏层大小均设为128。如表7所示，实验结果表明第4章中所提使用常用词汇表、引入词性标注、设计化简评分函数的文本化简改进思路能够提升模型的化简效果，且包含所有改进的seq2seq-RNN-PES效果最好。此外，虽然改进使得参数规模变大，但所有模型的训练时间均为8～10 s，这表明上述改进没有引入过多的时间开销。