《表2 不同摘要提取策略对于分类结果的影响》
通过表1可以看出,基于卷积神经网络的新闻分类算法和传统的SVM和KNN相比,前者不仅准确率更高,并且更加稳定。这是因为一方面卷积神经网络模型可以通过增加卷积核来提取到更丰富的分类特征,另一方面还可以通过增加卷积层数来提取相更高层次的分类特征。简单来说就是卷积神经网络可以在横向上提取更为丰富的特征,纵向上提取更多层次的特征,这是传统机器学习模型无法比拟的。通过表2可以看出,相较于原始的TF-IDF算法和卷积神经网络结合的方案,改进的TF-IDF算法和卷积神经网络结合的方案的准确率在整体上更高,并且不同类别的准确率更加平衡,原始方案中准确率较高的在新方案中只有些许降低,原始方案中准确率较低的在新方案中有较大提升。所以通过改进TF-IDF算法来捕捉不同词在类间的分布差异可以进一步提升卷积神经网络在文本分类问题上的准确率和稳定性。
图表编号 | XD00137223800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.16 |
作者 | 曾凡锋、李玉珂、肖珂 |
绘制单位 | 北方工业大学信息学院、北方工业大学信息学院、北方工业大学信息学院 |
更多格式 | 高清、无水印(增值服务) |