《表3 LCSTS的中文测试集结果》
表3中列出了在LCSTS的中文数据上所尝试的3个最新实验系统以及实验结果:Li等[22]2017年在RNN模型结构的基础上融入深度循环生成解码器(deep recurrent generative decoder,DRGD)的结果;其在2018年提出运用actor-critic框架[23]来增强RNN的训练过程得到的改进结果;Lin等[12]在CNN模型结构上提出全局编码结构(global encoding,GE)的结果.从表3可以看出,基准系统Transformer模型取得了相当高的ROUGE得分,在R-1评估标准下的得分达到了41.25%.在运用了冗余序列信息之后,R-1得分达到了41.99%,证明本文中的方法能够进一步改善摘要文本的准确度.需要注意的是,以上的实验都是在基于字的数据上所作的尝试.
图表编号 | XD009204000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.28 |
作者 | 俞鸿飞、王坤、殷明明、段湘煜、张民 |
绘制单位 | 苏州大学计算机科学与技术学院、苏州大学计算机科学与技术学院、苏州大学计算机科学与技术学院、苏州大学计算机科学与技术学院、苏州大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |