|
| 数量 |
网络模型 |
Hyperparameters |
|
| 模式# 1 |
F3SNet |
嵌入层的尺寸= 100,词的数量LSTM隐藏单位= 100,句子的数量LSTM隐藏单位= 50,辍学= 0.5,dropout_recurrent = 0.5,批量大小= 128,和时代= 50 |
| 模式# 2 |
嵌入+ LSTM + Self_Attention +密集 |
的维数嵌入层= 100,LSTM隐藏单位的数量= 100,辍学= 0.5,dropout_recurrent = 0.5,批量大小= 128,和时代= 50 |
| 模式# 3 |
嵌入+ Self_Attention + Self_Attention +密集 |
的维数嵌入层= 100,辍学= 0.5,batchsize = 128,时代= 50。 |
| 模式# 4 |
LSTM + Self_Attention + BiLSTM + Self_Attention +密集 |
词的数量LSTM隐藏单位= 100,句子LSTM隐藏单位的数量= 100,辍学= 0.5,dropout_recurrent = 0.5,批量大小= 128,和时代= 50 |
| 模式# 5 |
嵌入+多头关注+密集([22]) |
的维数嵌入层= 100,头= 8,head_size = 32,辍学= 0.5,batchsize = 128,时代= 50。 |
| 模式# 6 |
LSTM + LSTM +密集([20.]) |
第一个LSTM隐藏的数量单位= 50,第二LSTM隐藏的数量单位= 50,批量大小= 128,和时代= 50 |
|
|
