《表3 TLAN模型变体的实验结果》

  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

《运用多层注意力神经网络识别中文隐式篇章关系》

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

为了分析每一个注意力层对整个模型的贡献，本文还在多个模型的变体上进行了实验，结果如表3所示。首先以循环网络Bi-LSTM作为基础模型Base，通过在其上添加TLAN模型中的Self-Attention层和Interactive Attention层来分析注意力机制在篇章关系识别任务上的性能。为了与TLAN模型进行直观的比较，本文还构建了:（1）Bi-LSTM将模型的Self-Attention层替换为Bi-LSTM；（2）Att（Guo）将模型的第二个注意力层替换为Guo[7]提出的Interactive Attention层。