《表2 模型的实验结果:运用多层注意力神经网络识别中文隐式篇章关系》
在CDTB上进行的四分类实验结果如表2所示,可以看到本文提出的模型在Micro-F1和Macro-F1上都取得了最好的性能。相比于依赖人工构建语言学特征的传统方法,神经网络模型表现出了可比较的性能,特别是在“解说”关系上F1值获得了从2.1到5.8的提升,充分说明了神经网络方法能够有效地捕获论元中的深层语义信息,对于篇章关系识别任务是有效的。
图表编号 | XD0070611600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 徐昇、王体爽、李培峰、朱巧明 |
绘制单位 | 苏州大学计算机科学与技术学院、江苏省计算机信息技术处理重点实验室、苏州大学计算机科学与技术学院、江苏省计算机信息技术处理重点实验室、苏州大学计算机科学与技术学院、江苏省计算机信息技术处理重点实验室、苏州大学计算机科学与技术学院、江苏省计算机信息技术处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |