《表3 depRNN与Tree-LSTM模型对比结果 (训练耗时:秒/epoch)》

  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

除效果上的优势之外，本文提出的depRNN模型，相对Tree-LSTM模型，训练效率上也展现出非常大的优势。在depRNN模型中，可以采用minibatch的方式进行训练，因此可以并行化操作，而Tree-LSTM由于是在依存句法树上进行操作，因此无法并行训练。从表3也可以看出，即使同depRNN基线模型相比，Tree-LSTM每次迭代花费的时间是depRNN的4.4倍。因此，从效果和效率两个方面来说，本文提出的depRNN模型，都优于当前主流的Tree-LSTM模型。