《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》
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。
图表编号 | XD00137215200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.16 |
作者 | 陈天龙、喻国平、姚磊岳 |
绘制单位 | 南昌大学信息工程学院、南昌大学信息工程学院、江西科技学院协同创新中心 |
更多格式 | 高清、无水印(增值服务) |