《表4 依存分析实验结果Tab.4 Dependency parsing experimental results》

  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

《结合树形概率和双向长短期记忆的渐步性句法分析方法》

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

从表4可以看出，本研究提出模型的依存准确率均高于两个baseline系统约5个百分点；树形概率结合BLSTM最终的依存准确率远远高于链式概率计算方法，因此，无论是对不同成分进行实验对比还是在整体上对比，前者效果均好于后者；文献[13]中所提的引入层次成分分析的句法分析方法，在考虑内部结构的基础上提出解决长距离依赖问题，从最后实验结果对比得知，本文中所提出的方法略高于该方法，可看出本文在长距离依赖问题上没有很突出；对比文献[12]仅使用BLSTM模型的结果，本文中提出的模型依存准确率略高，但优势并不明显，可能存在数据集的差距；对比文献[11]和文献[12]基于神经网络模型存在的忽略句法分析本身的内在层次性的问题，观察发现依存准确率略高，可看出所提出模型具有一定的有效性；最后对比文献[9]结合CNN和LSTM的模型准确率高于本文中所提出模型，达到了最佳，而本文模型与之差距较大，还有待进一步提高.另外影响依存句法分析准确率的还有语料库数据集上存在一些错误的标注的原因，一些句法标签通过人工进行识别很容易判断出标注是错误的，比如句子“六位数的薪水可以雇佣很多精英”，训练集里给“雇佣”的标注是“关系主体”，而正确的标注应该是“核心成分”.