《表3 使用词向量的实验结果》
%
从最近发表的相关文献中选取六种有代表性的文本分类算法与Bi-LSTM_CNN_AT算法进行对比实验。对比算法如下:Kim[7]提出文本卷积神经网络的文本分类模型(CNN);Hochreiter等人[11]提出LSTM分类模型(LSTM),Bi-LSTM的文本分类算法(Bi-LSTM),Lai等人[13]提出RNN和CNN相结合的文本分类算法(RCNN),Zhou等人[14]提出LSTM和CNN相结合的文本分类算法(CLSTM),Zhou等人[19]提出含有注意力机制的BiLSTM文本分类算法(Bi-LSTM_AT)。实验中所有算法的实验参数均根据参考文献选择最佳配置,分别选用50、200和300维的词向量和字向量进行算法验证。使用词向量的实验结果如表3所示,使用字向量的实验结果如表4所示。词向量模型F1值对比图如图6所示。字向量模型F1值对比图如图7所示。
图表编号 | XD00201613500 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.15 |
作者 | 黄金杰、蔺江全、何勇军、何瑾洁、王雅君 |
绘制单位 | 哈尔滨理工大学自动化学院、哈尔滨理工大学自动化学院、哈尔滨理工大学计算机学院、哈尔滨理工大学自动化学院、哈尔滨理工大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |