《表1 2 不同词嵌入的依存关系识别结果》

  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

《基于词嵌入的书面语篇多层次差异探究》

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

%

从表12可以看出，CBOW模型的结果依旧不是很理想，并且Skip-gram模型仍优于Glove模型。百度数据在对话依存关系中和任务数据的契合度依旧为任务提供了很好的词嵌入表示。在多个字/词嵌入表示中，300维度的词嵌入的实验结果最为优秀。同时在整体实验结果中，词嵌入的实验结果要优于字嵌入。实验结果表明在对话依存关系分析任务中，词嵌入的表达能力要优于字嵌入，这是因为在对话语篇中词语表达更能体现对话的特点，通过注意力机制，词嵌入之间的权重变化更加明显，这也体现出了对话依存关系识别任务与DA识别任务之间的差异。