《表7 与他人工作方法的对比 (%)》
由于在本文工作中,我们对于蛋白质关系抽取语料AImed和BioInfer按照8∶2的比例随机划分了训练集和测试集,并且将多分类语料处理为二分类语料,所以我们重现了生物医学领域关系分类任务上性能较好的三个方法,与我们的方法进行对比。三个方法为,CNN:Sahu等[26]提出的具有最大池化层的多滤波器CNN;CRNN-Max和CRNN-Att:由Raj等[27]提出的基于CNN和双向LSTM组合的双层模型。后两者在输出层之前分别采用Maxpooling操作和Attention机制来抽取最显著的特征。实验中,我们去除了词性等额外特征,均保留词向量特征和相对位置向量特征作为输入特征。实验结果如表7所示。其中,“Ours”表示我们的方法中具有最好性能的基于Attention机制的主辅多任务模型。预测性能最好的结果用加粗字体显示。
图表编号 | XD0070615100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 李青青、杨志豪、罗凌、林鸿飞、王健 |
绘制单位 | 大连理工大学计算机科学与技术学院、大连理工大学计算机科学与技术学院、大连理工大学计算机科学与技术学院、大连理工大学计算机科学与技术学院、大连理工大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |