《表4 实验结果对比：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

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。