《表4 基于传统方法的分类结果》

  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

《词干单元和卷积神经网络的哈萨克短文本分类》

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

本文实验使用Pytorch在具有GPU支持的Linux Cent OS-7操作系统上实现CNN框架．本文将通过词素切分工具对文本集进行切分，并提取其词干之后，通过word2vec及TFIDF算法对词干进行向量化和加权，用KNN[7，8，10]、NB、SVM[7，8，11]和CNN等方法进行了比较实验．其中，在KNN、NB、SVM等传统方法中，通过x2特征选择方法对文本的特征维数进行降维，并把x2值最大的前100到2000之间的词干项选作为新的特征，以此分别进行了实验，如表4所示．