《表3 模型消融分析：融合了问句释义和词级别注意力的关系检测模型》
提示：宽带有限、当前游客访问压缩模式
为分析模型不同部分所起的作用，将对应部分替换为普通方法，并进行对比实验，结果如表3所示。
| 图表编号 | XD0073051400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.01 |
| 作者 | 李宽宇、袁健、沈宁静 |
| 绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 各模型超参数设置：融合特定任务信息注意力机制的文本表示学习模型》2020.09.25
- 《表1 数据集统计信息：融合特定任务信息注意力机制的文本表示学习模型》2020.09.25
- 《表4 模型参数量：融合特定任务信息注意力机制的文本表示学习模型》2020.09.25
- 《表4 消融测试：融合实体上下文特征的深度文本语义匹配模型》2020.10.24
- 《表1 模型参数设置：融合关键对象识别与深层自注意力的Bi-LSTM情感分析模型》2021.03.01
- 《表5 检测模型消融实验结果》2021.01.16
- 《表3 模型消融结果：基于关系自适应解码的实体关系联合抽取》2021.01.10
- 《表3 模型回归结果：基于神经元块级别注意力机制的LSTM关系抽取》2020.12.31
- 《表1 云平台数据：融合知识图谱与注意力机制的短文本分类模型》2021.01.15
- 《表4 模型对比的准确率：可变融合的随机注意力胶囊网络入侵检测模型》2020.11.25
- 《表4 模型参数：预训练模型下融合注意力机制的多语言文本情感分析方法》2020.02.01
- 《表3 基于字符级和词级CNN模型分类结果评估》2020.04.01
- 《表4 模型分类错误示例：融合局部语义和全局结构信息的健康问句分类》2020.04.20
- 《表2 模型分类结果：融合局部语义和全局结构信息的健康问句分类》2020.04.20
- 《表2 实验结果：融合多标签和双注意力机制的图像语义理解模型》2020.01.01
- 《表1 模型结构参数：基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法》2019.06.01
- 《表2 参数设置：融合注意力机制的多通道卷积与双向GRU模型的文本情感分析研究》2019.10.01
- 《表3 模型复杂度分析：面向问句复述识别的多卷积自交互匹配方法研究》2019.10.01
- 《表1 实验数据统计：融合位置权重的基于注意力交叉注意力的长短期记忆方面情感分析模型》2019.08.10
- 《表3 数据集统计指标：中文比较关系的识别:基于注意力机制的深度学习模型》2019.06.24