《表2 depRNN模型与基线模型对比结果》
从表2中可看出加入句法信息后,相对LSTM基线模型来说,depRNN拼接模型在答题任务上准确率有至少11个点的绝对提升。这表明,句法信息在英文自动答题任务上是有用的。本文通过进一步对模型的一些典型错误进行分析,发现在引入依存句法信息后,相对于基线模型而言,一些长距离依赖的问题得到了明显改善。具体如例1所示。
图表编号 | XD0070616100 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) |