《表2 depRNN模型与基线模型对比结果》

  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

《深度学习建模下的自动句子填空技术》

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

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。