《表7 基于CoNLL-2003数据集的不同设置下的CWGAN模型效果对比表》
表7显示了使用预训练的词向量和使用随机初始化的词向量的结果对比,表中“dropout”代表训练时设置丢弃率,“pretrain(word2vec)”代表使用word2vec工具预训练的词向量,“pretrain(GloVe)”代表使用GloVe工具预训练的词向量,CWGAN和CWGAN+dropout代表使用随机初始化的词向量.结果显示,使用预训练的word2vec词向量比使用随机初始化的词向量F1值提高了6.99%到7.16%,说明与随机初始化的词向量相比,使用预训练的word2vec词向量可以获得更好的效果.而使用GloVe词向量F1值反而比随机初始化的词向量效果更差了,因此建议预训练词向量时使用w ord2vec词向量.表7中可以看出,在训练时使用“dropout”比不使用F1值提高了1.17%到1.02%,说明在训练时使用“dropout”可以提高模型的性能,这是因为“dropout”在训练阶段可以阻止神经元的共适应.
图表编号 | XD0079867500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 宋沙沙 |
绘制单位 | 燕山大学信息科学与工程学院、燕山大学河北省软件工程重点实验室 |
更多格式 | 高清、无水印(增值服务) |