《表5 语法规则对CNN分类结果的影响》
随机选取电商评论中的10 000条数据来验证本文提出的语法规则对CNN分类结果的影响,其中,r1、r2、r3为文中第一章提出的前三个规则,CNN参数设置见表2,实验结果如表5所示。由表5可以看出,本文根据情感倾向词、总结词、转折词设定的语法规则能够有效提升CNN模型的分类精度,其中规则1对模型的分类结果影响最大,F1值较CNN模型提升了3.2个百分点,表明情感倾向词对分类结果的影响比重高于总结词与转折词,通过提取有效情感倾向词更能够促进文本情感分类效果。虽然使用规则2与规则3的提升效果没有规则1明显,但总体上都提升了CNN模型的最终分类精度。这说明通过语法规则处理能够得到更加明确的情感倾向信息,进而帮助CNN提取到语义特征,提高分类精度。
图表编号 | XD00201789000 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.10 |
作者 | 邱宁佳、王晓霞、王鹏、王艳春 |
绘制单位 | 长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院、长春理工大学计算机科学技术学院 |
更多格式 | 高清、无水印(增值服务) |