《表5 本文模型实验结果》

  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

《预训练模型下融合注意力机制的多语言文本情感分析方法》

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

模型在不同情感类别上的准确率（Precision）、召回率（Recall）以及F1值如表5所示．可以看出，模型在Anger、Fear以及Surprise情感类别上的准确率远远大于召回率，造成这一问题的主要原因是数据类别的不平衡，通过分析语料发现，训练集中无情绪句子数量最多（1896），其次是Happiness（1842）和Sadness（1086），而其余类别数量较少，数据的不平衡将导致分类器偏向于占比较高的类别，对于Anger、Fear以及Surprise而言，由于本身类别较少，分类器则会倾向于将类别分类为无情绪（none），故式（24）中FNi较大，从而降低召回率．