《表2 在开发集上CNN不同参数获得的宏平均F1值》

  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

《基于门控记忆网络的汉语篇章主次关系识别方法》

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

参考Xu等[18]提出的TMN模型，将词向量维度设置为300，词性向量设置为50维。其中词向量使用在维基百科中文语料库上预训练好的词向量。除了词向量之外的参数都随机初始化。为了避免过拟合采用dropout策略，dropout设置为0.5。在开发集上通过网格化搜索来取得最佳的参数，之后合并训练集和开发集作为新的训练集对模型进行训练，并在测试集上评估模型。在编码层Bi-LSTM神经元设置为50维，根据表2得到的实验结果，把CNN卷积核数量设置为1 024，卷积核窗口大小为2。表3是不同GMN层次的实验结果对比，实验结果表明使用3层GMN的模型整体效果更好。