《表5 加权文本标签和加权文本向量对结果的影响》
表5为加权文本标签和加权文本向量对分类效果的影响.由表5可知,三个实验结果都优于实验1中基准算法的分类结果.由此可见,由AKNN计算得到的加权文本标签和加权文本向量通过构建注意力机制能够获得文本的全局特征.另外,由于结合了加权文本标签和加权文本向量,模型的分类效果要优于只加了一种改进变量的模型.可以看出,在加权文本标签和文本向量的共同作用下,本文模型的预测效果最优,可以更好地捕获文本特征之间的依赖关系,证明了多尺寸卷积神经网络结合AKNN算法进行加权的可行性.
图表编号 | XD00141232500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 朱烨、陈世平 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院、上海理工大学信息化办公室 |
更多格式 | 高清、无水印(增值服务) |