《表1 不同模型的文本分类准确度对比（%）》

  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

《1种应用于医学影像诊断报告的智能纠错方法》

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

深度学习火热，各种网络层出不穷，其中应用于文本分类的模型也有多种。2014年，Kim[1]提出了一种将CNN应用到英文文本分类中的方法，语料的最小粒度为单词，取得了不错的效果。2015年，Zhang[2]等提出了一种基于字母粒度级别的CNN英文文本分类模型。同年，Lai[3]等提出了一种基于单词粒度级别的RCNN的英文文本分类模型，效果显著。2016年，Conneau[4]等将VDNN应用到了文本分类，Zhou[5]等发表了基于注意力机制的BiLSTM应用于文本分类的模型。经过调研，本文借鉴了准确率最高的Lai[3]等提出的RCNN模型，将这种模型结构应用到了纠错模型中，表1是几种模型的文本分类效果测试对比。