《表1 新闻事件排名算法的性能比较》

  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

《通过深度相关性查询实现新闻事件挖掘》

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

DNER-FE仅使用辅助人工提取特征而不考虑用户评论信息。虽然该算法性能不如本文所提出的DNER模型优越，但其性能优于LTR方法和基于DSSM的方法。DNER-UC采用查询术语重要性特征，查询术语频率特征和由本文模型构建的类似BM25的相关特征。DNER-UC优于DNER-FE，表明本文的自动特征提取功能与手工提取特征功能相当。最后，本文所提出的DNER模型汇总特征自动生成的功能和辅助特征功能，可以在所有三个ND-CG@K指标上获得最佳结果。实验结果展示了本文提出的模型的有效性，因为其提取了查询词和新闻事件之间的语义信息和交互关系，并将提取的特征与一些辅助相关特征合并。