《表4 不同模型配置下对应的准确率》
从表4中可看出,加入预训练的语言模型能够显著的提升效果。模型3相对于模型1,准确率有9.3个点的绝对提升。此外,从图7中的错误率对比结果可看出,加入预训练的语言模型信息后,对于区分性的题型以及填写固定搭配的题型,错误率有显著下降,这与本文的预期是一致的。因为,从无监督语料学习到的语言模型带有丰富的语义信息。它能够有效编码通用的语义表达,这种通用的表达会有助于模型区分各种类型的单词和固定搭配。
图表编号 | XD0070616000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 陈志刚、华磊、刘权、尹坤、魏思、胡国平 |
绘制单位 | 科大讯飞股份有限公司人工智能研究院、认知智能国家重点实验室、科大讯飞股份有限公司人工智能研究院、科大讯飞股份有限公司人工智能研究院、认知智能国家重点实验室、中国科学技术大学信息科学技术学院、科大讯飞股份有限公司人工智能研究院、科大讯飞股份有限公司人工智能研究院、认知智能国家重点实验室、科大讯飞股份有限公司人工智能研究院、认知智能国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |