《表3 训练方式之间的对比》
3) BP-M LL[8]基于指数损失.为了确保方法之间的可对比性,实验采用同一套数据预处理技术,并且默认采用阈值预测技术.表3展示了各种训练方式之间的性能对比.可以看到BCE在微观指标上的表现略微占有,但在其余指标上,文本的算法存在竞争性的优势.这是由于BCE注重整体的分类误差,配对排序损失则考虑错误的排序对.宏观指标是标签F1得分的平均,本文的算法在Macro F1上的优势也体现了数据不平衡对配对排序损失的影响较低.
图表编号 | XD00227463700 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) |