《表8 与skip-gram和Glove方法比较结果》

  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

《基于中心化相似度矩阵的词向量方法》

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

由于在WS-353数据集中，中心化后的GCE模型（GCE-C）的结果最好；在RW数据集中，中心化后的TCE模型（TCE-C）的结果最好。因此，使用GCE-C、TCE-C、skip-gram和Glove模型在两个数据集下进行比较，结果如表8所示。从表8中能够看出，在WS-353数据集中，TCE-C和GCE-C模型在点积相似度和余弦相似度两种方法中的结果均超过skip-gram和Glove模型，其中GCE-C模型结果最好。在RW数据集中，TCE-C和GCE-C模型在点积相似度和余弦相似度两种方法中的结果均超过Glove模型，TCE-C模型的结果与skip-gram模型相当。