《表3 NLPCC2013语料集不同模型比较》

  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BiLSTM-ATT的微博用户情感分类研究》

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

实验1对比实验。为了更好体现出本文方法的优势，做了5组对比实验:1) SVM:使用TF-IDF（term frequencyinverse document frequency）[15]来表示微博语句，使用SVM算法进行情感分类；2) LSTM:使用Word2Vec构建词向量后，通过LSTM模型，再用SVM进行情感分类；3) LSTM+ATT:使用Word2Vec构建词向量后，通过引入注意力机制的LSTM模型，再用Soft Max进行情感分类；4) Bi LSTM:使用Word2Vec构建词向量后，利用Bi LSTM模型来提取文本的深度词向量特征，再用Soft Max进行情感分类；5) Bi LSTM+CNN:使用Word2Vec构建词向量后，通过Bi LSTM-CNN模型提取文本信息，最后使用全连接层进行分类[16]。实验结果如表3所示。