《表2 实验参数设置：基于卷积注意力机制的情感分类方法》

  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

《基于卷积注意力机制的情感分类方法》

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

该模型可以通过反向传播以端对端的方式进行训练，损失函数选用交叉熵损失函数，使用Adadelta优化方法提高训练速度。在实验中，word embedding使用Google公开的word2vec 300维向量进行初始化，这是谷歌在新闻数据集上使用1000亿个字训练而成的，囊括了各个领域的词语，也是目前常用的预训练词向量。在对词向量矩阵进行卷积操作时，由于矩阵的每一行代表一个词，所以每一行需要作为一个整体，单独拆开没有意义。因此，实验中卷积核高度为3，宽度等于word embedding的维度。模型其它参数见表2。