《表4 不同算法性能对比:基于配对排序损失的文本多标签学习算法》
表4展示了在全数据上,不同算法之间的性能比较.图3展示了在不同比例数据集上的分类性能.实验结果显示,随着数据规模的增大,深度学习算法能获得更好的表现.相比于另两种深度模型CNN和CNN-RNN,本文提出的算法的整体性能都较优.这是由于研究在文本特征提取和标签决断上都做了考虑.迁移的BERT模型能提供数据集之外的语义知识并且具有更多的参数量,由图3可见,模型表现受到数据集尺寸的波动较小.配对排序损失能铺捉到标签之间的排序关系,使相关度较高的标签能获得更大的得分,同时,自适应的标签阈值学习能帮助算法得到更精准的预测结果.
图表编号 | XD00227463500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 顾天飞、彭敦陆 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |