《表3 实验结果：针对文本情感分类任务的textSE-ResNeXt集成模型》

  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

《针对文本情感分类任务的textSE-ResNeXt集成模型》

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

本实验与近期国际上发表的情感分类实验结果进行了对比分析，具体与《Opinion mining using ensemble text hidden Markov models for text classification》[22]进行对比，结果中采用了该论文中各个模型的结果与本文结果进行对比，本文结果表现优良。如表3所示，对于NB、SVM、BRNN、LSTM、textCNN模型等各个模型而言，训练过程中BRNN、textCNN模型均在15～20轮达到收敛，LSTM在25轮左右达到收敛，而本文提出的textSE-ResNext模型在10轮左右就可达到收敛。在textSE-ResNeXt模型中各组数据相对与其他模型准确率都具有明显提升，在中文数据集上textSE-ResNeXt模型可提升2%左右，而textSE-ResNeXt集成模型在此基础上又可以有1%左右的提升，而在三个英文数据集上也有平均2%左右的提升，并在SST数据机上表现最优，textSE-ResNeXt模型达到2.6%，textSE-ResNeXt集成模型在此基础上再次提升了1%左右。