《表2 不同分类器模型对比结果》
为了保证模型的泛化能力和稳定性,实验对模型进行了5次5折交叉验证,结果表明CNN模型在用户支持倾向分类上能够达到74.8%的精度和74.7%的召回率.进一步为了验证CNN分类算法的优越性,表2给出了5次5折交叉验证情形下该算法与其它常用分类器的对比结果.结果表明传统分类算法对于情绪分类效果较好,但对于支持倾向分类效果较差,这是因为支持倾向分类需要提取用户的潜在意图信息,比情绪分类任务更为复杂.相对于部慧等使用的贝叶斯算法[26]、Cecchini等[16]使用的SVM或是其他经典分类算法(2),本文所提出的CNN算法都能实现更好的分类效果.
图表编号 | XD00162088700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 钱宇、李子饶、李强、袁华 |
绘制单位 | 电子科技大学经济与管理学院、电子科技大学经济与管理学院、电子科技大学经济与管理学院、电子科技大学经济与管理学院 |
更多格式 | 高清、无水印(增值服务) |