《表4 实验结果对比:基于卷积注意力机制的情感分类方法》
实验结果见表4,我们使用7个模型与本文提出的模型来进行比较。包括传统的Na6ve Bayes、SVM方法和一些深度学习模型。首先我们可以看到,深度学习方法明显好于传统的机器学习方法。其次我们注意到,在深度学习的几个模型中,基于循环神经网络的MV-RNN和LSTM的性能不如嵌入注意机制的模型,因为RNN模型提取的顺序特征不适合文本分类。但是从实验结果来看,本文提出的CNN_attention_LSTM模型可以结合CNN和RNN的优点来提高性能。结果显示,我们基于注意力机制的CNN_attention_LSTM模型,在4个数据集上取得3个最优精度,在五分类SST-1数据集上和LSTM+RNN attention模型持平。
图表编号 | XD00122848400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.16 |
作者 | 顾军华、彭伟桃、李娜娜、董永峰 |
绘制单位 | 河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室、河北工业大学人工智能与数据科学学院、河北工业大学河北省大数据计算重点实验室 |
更多格式 | 高清、无水印(增值服务) |