《表7 与他人工作方法的对比 (%)》

  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

《基于多任务学习的生物医学实体关系抽取》

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

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。