《表3 亚马逊评论数据集上的实验准确率》
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%。
图表编号 | XD00211267200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.25 |
作者 | 祁瑞华、简悦、郭旭、关菁华、杨明昕 |
绘制单位 | 大连外国语大学语言智能研究中心、大连外国语大学软件学院、大连外国语大学语言智能研究中心、大连外国语大学软件学院、大连外国语大学软件学院、大连外国语大学软件学院、大连外国语大学语言智能研究中心、大连外国语大学软件学院 |
更多格式 | 高清、无水印(增值服务) |