《表5 隐性比较评论的错分样本的占比情况》

  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

《中文比较关系的识别:基于注意力机制的深度学习模型》

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

由于隐性比较句的数量较少，不适合单独作为一类参与分类模型的训练，故将隐形比较评论与其他评论混合在一起训练。由于在切分训练集和测试集时是按比例分层抽样的，故将隐性比较评论在错分样本中的比例变化幅度近似看作该模型对隐性评论的错分的容忍度。占比变化幅度越大，表明该模型对隐性评论的识别越差。在相同训练数据集的前提下，经过5次10折交叉实验，得到表5中隐性评论在各个模型的错分样本中的占比情况。可以看到，HMAN对应的隐性比较评论的占比变化增幅较少，表明HMAN对于隐性比较评论的学习能力优于其他两个模型。