《Table 2 Experimental result comparison among different models表2不同模型实验对比结果》
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Wasserstein GAN的文档表示模型》
此外,本文还与判别器为普通自编码器的WADM模型进行了对比,并使用更深层的神经网络进行实验,结果如表2所示,其中Deep WADM为WADM的深度版本,生成器使用5层神经网络,判别器中的编码器和解码器分别使用2层神经网络,WADM(Autoencoder)则为使用普通自编码器作为判别器的WADM模型,Deep WADM(Autoencoder)的参数设置和Deep WADM相同。由表2可知,去噪自编码器相比普通自编码器有更好的文档表示能力,且使用深层神经网络有助于模型性能的提升。在将文档中语句“From:[email protected](where's my thing)”的“lerxst”和“wam”交换位置之后,WADM模型对该文档的表示向量与交换位置之前的表示向量的余弦距离为0.38,而DocNADE和Replicated Softmax求出的余弦距离为0.15,Skip-gram求出的余弦距离则为0,这表明WADM模型可以较好地捕捉到词序信息。
图表编号 | XD0035529100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 马永军、李亚军、汪睿、陈海山 |
绘制单位 | 天津科技大学计算机科学与信息工程学院、天津科技大学计算机科学与信息工程学院、天津科技大学计算机科学与信息工程学院、天津科技大学计算机科学与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |