《表3 不同分类器使用不同特征集的损失(Loss，越小越好)和准确率(Acc，越大越好)》

  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

《社交网络虚假新闻识别方法》

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

*改进的TextC NN模型，加粗数字为最优结果

表3展示了不同分类器下使用不同种类特征的验证损失及准确率。从表2的第一行和第二行结果可见，使用句粒度的语言学统计特征提升了LightGBM的分类精度，降低了损失。在TextCNN和语义字向量的实验结果可看出改进的TextCNN通过引入处理语言学统计特征的子网络后显著提升了原始TextCNN在字向量上的精度，证明了改进模型的有效性。