《表2“属性-值”对生成的实验结果》

  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

《基于序列到序列模型的文本到信息框生成的研究》

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

研究得到的分别在“属性”与“值”上单独评估的结果见表3。表3中，Attributes表示研究只对生成的“属性”进行评测，values表示只对生成的值进行评测，这些值对应的属性都是预测正确的。atn表示注意力机制，copy表示拷贝机制，A表示属性，V表示值。除了基本的S2S模型外，其它带有注意力机制或者拷贝机制的模型在“属性”与“值”上的结果都要好于基于流水线的方法。经过分析可知，注意力机制在“属性”与“值”的生成上都带来提升，分别是从69.9到73.3以及从30.9到52.7。实验结果表明注意力机制对提升模型的准确率是很有帮助的。拷贝机制在“属性”生成上带来的提升比较有限（从73.3到74.2），在“值”的生成上带来的提升比较显著（从52.7到76.4）。这是由于“属性”与“值”不同，而且常常不会出现在文本表述中。通过观测数据，研究发现不带有拷贝机制的Seq2Seq模型只能生成特殊符号UNK来表示OOV的词，而带有拷贝机制的模型可以从文本中拷贝内容来生成稀有词。此外，目标词表中只包含“属性”的S2S+atn模型在“属性”生成上取得了最好的结果。