《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》
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.
图表编号 | XD00170348800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 龙彦霖、李艳梅、陶卫国、苗晨、刘文秀 |
绘制单位 | 西华师范大学、西华师范大学、四川德尔博睿科技股份有限公司、西华师范大学、西华师范大学 |
更多格式 | 高清、无水印(增值服务) |