《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》
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。
图表编号 | XD00107287000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.10 |
作者 | 韩硕、蒿红可 |
绘制单位 | 新疆财经大学计算机科学与工程学院、新疆财经大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |