《表3 使用词向量的实验结果》

  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

《局部语义与上下文关系的中文短文本分类算法》

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

%

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。