《表9 Cap SA在两种数据集上不同迭代轮数的F1与正确率》
为了更好地保留文本特征,增加特征多样性,验证动态路由迭代次数和压缩函数对模型的影响,沈炜域等[40]构建包含多尺寸多层卷积的胶囊网络和自注意力网络的Cap SA模型验证模型效果。实验使用Headlines和Review Sentiment数据集测试,结果如表9所示,仅限制迭代轮数为5轮时,Cap SA模型在第2轮路由迭代能够得到较好的分类效果,后续增加的迭代次数并没有使得效果提升。模型如果达到理想的收敛状态,需要更多的路由迭代次数,亦需要非常多的数据迭代才能达成,会造成更大的计算代价。
图表编号 | XD00201503500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 贺文亮、朱敏玲 |
绘制单位 | 北京信息科技大学计算机学院、北京信息科技大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |