《表1 同一数据集下模型准确率》

  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

《面向迁移学习的意图识别研究进展》

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

表1[16]为胶囊网络模型与其他模型在同一数据集下准确率比较，普通胶囊网络相较于传统卷积神经网络在准确率方面都有较大的提升，F1值提升了30.4个百分点，召回率提升了39.1个百分点，而增加卷积胶囊层的胶囊网络较普通胶囊网络也有一定提升，其中F1值提升了9.2个百分点，召回率提升了8.1个百分点，可以看出，普通胶囊网络能够很好地体现其模型优势，在文本信息的特征提取中起到了非常重要的作用，而增加卷积胶囊层的胶囊网络能够获取到文本信息的深层语义信息并利用动态路由提升模型的性能。在未来利用深度迁移学习解决训练数据稀缺的新领域意图识别的研究中，可以在一定程度上利用胶囊网络代替卷积神经网络解决文本信息获取特征的功能。