《表5 不同序列模型的分类准确率》

  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

《用于特定目标情感分析的交互注意力网络模型》

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

为了进一步验证本文模型的有效性，选择不同的序列模型，包括RNN、LSTM和GRU，分析其对实验结果的影响。表5为不同序列模型在Restaurant和Laptop评论数据集上的准确率对比结果。可以看出，GRU的性能优于LSTM，而LSTM在精度指标上又优于RNN。这是因为GRU和LSTM具有更复杂的隐层单元，比RNN具有更好的组合能力。而与LSTM相比，GRU需要训练的参数更少，因此可以比LSTM更好地进行泛化。然后与GRU和LSTM相比，Bi-LSTM的性能稍好一些，因为Bi-LSTM较LSTM和GRU能够捕获更多的上下文情感信息。