《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》

  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

《融合实体上下文特征的深度文本语义匹配模型》

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

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。