《表5 数据集中典型句分析》
为进一步分析模型各组件对语句讽刺检测程度的影响,本文从数据集中抽取一些典型的句子进行分类结果对比分析,如表5所示。从表5结果可以看出,例句1、例句2和例句3由于缺乏上下文语境信息而导致预测错误,但是例句1、例句2在仅加入用户嵌入后模型预测结果便有了明显的改善,而例句3由于长度较短且缺乏明显的情感词,需要对其所属论坛主题明确后才能得到正确的预测。说明本文提出的使用Paragraph Vector模型对用户以及主题建模是可行的,并且能够达到较好的效果。例句4在基础Bi-GRU模型(Bi-GRU+U)和增加用户嵌入(Bi-GRU+U+P)的模型中都能得到正确的预测,但当模型增加主题嵌入时得出错误的结果,说明更复杂的模型不一定能得到正确的预测效果。
图表编号 | XD00197522400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.15 |
作者 | 韩虎、赵启涛、孙天岳、刘国利 |
绘制单位 | 兰州交通大学电子与信息工程学院、甘肃省人工智能与图形图像工程研究中心、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |