《表1 CNN,LSTM,CNN-LSTM,LSTM-CNN分类结果》

  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

《CNN与LSTM结合的语句级情感极性分析模型研究》

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

实验结果印证了本文的论证。CNN+LSTM模型可以使LSTM更高效地利用原始文本的序列信息，本文进一步猜测，这种优势在处理长度更长的句子时更加显著。但是在句子长度普遍小于70的情感分类语料中，LSTM+CNN模型的效果是这几种组合中最好的。该模型中的LSTM单元充当解码器，将原始句子中的每个词都解码为一个中间信息，这个中间信息除了这个单词本身的含义，还包含它之前单词的信息。之后，CNN可以利用其强大的信息识别能力处理更为丰富的中间信息，从而获得更好的分类效果。CNN，LSTM，CNN-LSTM，LSTM-CNN的分类结果如表1所示。