《表4 模型对比实验结果：基于级联卷积和Attention机制的情感分析》

  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

《基于级联卷积和Attention机制的情感分析》

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

为更好地评价级联卷积和注意力机制模型，本文将其与CNN-Att、BiLSTM-Att、多层CNN和CNN-Att-LSTM四种模型进行对比，验证本章方法的性能．表4显示了各个模型的准确率和F1值，CNN-Att、BiLSTM-Att、多层CNN三种方法对应的准确率分别为86.05%、85.91%和88.99%，其中多层CNN比前两种模型高2.94%和3.08%，说明深层神经网络提取特征的能力在一定程度上优于浅层神经网络．而CNN-Att-LSTM方法的准确率和F1值分别为89.96%和50.78%，均高于CNN-Att、BiLSTM-Att和多层CNN模型，这是因为其结合了CNN、LSTM和注意力机制的特性，可以抽取出文本的局部特征，词语相关性和序列特征．