《表4 最优模型性能结果（实验结果省略%，F1值为宏平均）》

  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

《基于卷积循环神经网络的关系抽取》

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

综合以上两组实验结果，本文在基线系统的基础上，组合利用自注意力机制的聚合策略和基于BiLSTM的整体建模思路，在关系抽取语料集上进行实验，并详细比较了基线系统和本文的模型在各个类别下的指标，实验结果如表4所示。从表中可以看出，相比基线系统的多通道CNN，本文的模型在各个类别均有性能优势。其中，召回率提升明显，说明原先被误判为other类别的样本都能被本文的模型正确识别。并且，观测发现，本文的模型在长句预测上的性能要显著优于基线系统。如例2中关系实例，基线系统判定为other类别，而本文的模型则正确标识为Member-Collection类。