《表9 在NLPCC2014中主客观二分类模型信息对比》

  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

《融合自注意力机制和BiGRU网络的微博情感分析模型》

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

从图4和图5对比可以看出，负向极性的增长幅度要大于正向极性的增长幅度，说明加入表情符号的研究对于负向极性的识别效果更加明显．结合表11的文本实例可以看出，当代微博用户常常使用隐晦或者反讽的语言表达自己的情感，只从文字角度出发很难挖掘出准确的语义信息，加入对表情符的研究则很好地解决了这一问题，说明了本文提出的模型具有一定的实用价值，也进一步说明融合表情符的E-BiGU-SA网络在微博情感分类任务中的优越性．