《表3 亚马逊评论数据集上的实验准确率》

  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

《融合特征与注意力的跨领域产品评论情感分析》

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

对照实验在亚马逊多领域评论数据集上的结果如表3所示，本文方法在跨领域情感分类任务上的平均准确率为95.93%，最高准确率达到97.10%，明显高于其他对照方法，比对照方法中准确率最高的HATN高出9.33%。对照方法中S-only的准确率最低，平均准确率只有75.92%，说明在不同领域中的评论数据上训练得到的模型并不适合直接用于新领域的情感分析；SFA的平均准确率为78.69%，主要原因是方法的离散性比较差，使用较简单的线性分类方法，性能高度依赖于手动选择核心特征的准确性；DANN和m SDA算法的平均准确率分别达到79.00%和82.36%，准确率有一定的改善；HATN算法在GAN基础上增加了注意力机制，自动选择领域特征词并且能得到句子级权重信息，效果有较大改进，准确度达到86.60%。