11.3.5　实验四：参数变化对CSES算法的影响

超参数均使用交叉验证的方法进行设置。由于超参数λ可以调整损失函数中语义相似性损失和事件判别损失的贡献度，因此有必要验证λ对模型训练过程中获取公共语义表示质量的影响，即通过调整超参数λ的取值，观察参数的变化对搜索效果的影响，并对实验结果进行分析。CSES算法在不同λ取值情况下的搜索MAP值如图11-5所示。

将超参数λ的取值分别设置为0.000 01、0.000 1、0.001、0.01、0.1、1和2，在社交网络跨媒体事件数据集上进行搜索实验，采用MAP值评估λ对CSES算法的搜索性能影响。

图11-5（a）～（d）分别为不同λ取值情况下，图像搜索文本、文本搜索图像、图像搜索图像和文本搜索文本的搜索MAP值。从图11-5的4个实验结果中可以看出，当λ=0.001时，基于语义学习与时空特性的在线社交网络跨媒体事件搜索算法（CSES）在4种搜索任务中均获得最高的MAP值，说明λ=0.001是CSES算法能够达到最佳搜索状态的参数取值。图11-5中的结果表明CSES算法的搜索性能受到λ值变化的影响较小，说明该算法具有很强的鲁棒性。

图11-5　CSES算法在不同λ取值情况下的搜索MAP值比较