《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》

  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

《基于配对排序损失的文本多标签学习算法》

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

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．