《表2 主要方法实验结果比较》
%
最后,与DEEB模型比较,本模型的F1值比DEEB模型高出了0.4个百分点.尽管本模型没有提取文档特征,但是本模型使用的ELMo在单词表示上优于DEEB模型所使用的word2vec,本身便具有上下文相关的特点,并且本模型可以同时捕捉句子级别和上下文组块特征,因此,在没有提取文档特征的情况下也可以有更好的性能.
图表编号 | XD0079122700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.28 |
作者 | 施喆尔、陈锦秀 |
绘制单位 | 厦门大学信息科学与技术学院、厦门大学信息科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |