《表2 不同分类器模型对比结果》

  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

《在线社区支持倾向对股市收益和波动的影响》

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

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．