《表4 模型结果对比：基于卷积与双向简单循环单元的文本分类模型》

  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

《基于卷积与双向简单循环单元的文本分类模型》

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

本文不仅设置了同组实验，还引入其它模型作为对比实验对象。模型对比结果参照表4。深度网络模型的分类结果明显高于基于机器学习的方法，但是各种深度网络模型准确率之间的差别并不大。Conv-BLSTM的分类结果优于Conv-LSTM，这表明双向的循环网络优于单向的循环网络，因为双向循环网络提取到的语义特征表示更充分。BG-RU模型比BGRU-Attention模型低1.11%，这印证了注意力机制能够让模型的性能显著的提高。BGRU-Attention比SRU-Attention模型分类效果更优，这说明BGRU提取到的上下文特征优于SRU提取的特征，这从侧面也说明双向循环神经网络能够提取更有效的语义特征。