《表5 数据集中典型句分析》

  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

《面向社交媒体评论的上下文语境讽刺检测模型》

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。