《表2 实验参数设置：基于卷积神经网络和贝叶斯分类器的句子分类模型》

  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

《基于卷积神经网络和贝叶斯分类器的句子分类模型》

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

词向量的维度d=300，选择已经预训练的300维谷歌word2vec词向量文件来映射，将未在word2vec中出现的文中单词通过随机函数映射为[-1，1]的300维随机向量。实验中使用双通道对输入矩阵进行卷积操作，卷积核函数为修正线性单元（rectified linear units，Re LU），训练通过SGD（stochastic gradient descent）进行，利用Zeiler提出的Adadelta优化器[20]。其他实验参数如表2所示，首先通过经验设置初始参数，其次在实验数据的验证集上设置模型迭代次数为100，通过观察交叉熵损失函数的变化进行调参，最后选择在实验数据的验证集上性能最好的一组参数作为训练模型的参数输出。