《表3 训练方式之间的对比》

  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

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．