《表4 消融测试:融合实体上下文特征的深度文本语义匹配模型》
注:*只用深度多视图语义匹配模型;**在深度多视图语义匹配模块的文本向量表示部分,不采用词汇前文和词汇后文的卷积特征cbxiefore、caxfiter;加粗的数字为最优结果
为了验证实体上下文特征信息和语义上下文卷积特征对文本语义匹配的作用,在SNLI数据集上对本文提出的模型进行了消融测试,结果如表4所示。其中,“-Ent Context”表示不采用基于实体上下文特征的语义匹配模块,即只保留图2中的左侧深度多视图语义匹配模型;“-Word Context”表示在深度多视图语义匹配模块的文本向量表示部分,不采用词汇前文和词汇后文的卷积特征cxibefore、cxiafter。表4显示,与Our(Tensor)相比,去除基于实体上下文特征的语义匹配模块之后,模型的整体性能有明显的下滑,在P@1和MRR指标上分别下降了0.021和0.029。由此说明基于实体上下文特征的语义匹配模块对于文本语义匹配任务的重要性,这是因为该模块可以帮助模型学习和发现两个文本之间的实体语义关联信息。另外,去除了词汇前文和词汇后文的卷积特征之后的模型性能也存在下滑,在P@1和MRR指标上分别下降了0.011和0.015。
图表编号 | XD00226596000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.24 |
作者 | 徐文峰、杨艳、张春凤 |
绘制单位 | 湖北华中电力科技开发有限责任公司、湖北华中电力科技开发有限责任公司、湖北华中电力科技开发有限责任公司 |
更多格式 | 高清、无水印(增值服务) |