《表1 模型内容组成：池化和注意力相结合的新闻文本分类方法》
提示：宽带有限、当前游客访问压缩模式
为了验证注意力池化模型的有效性，本文将其与标准的深度学习模型CNN、LSTM以及池化模型SWEM进行了比较．基准模型为SWEM，各个模型的超参数设置与注意力池化模型中全连接神经网络层的相同．各个模型在训练集上的正确率对比结果见表1.
| 图表编号 | XD00212224500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.01 |
| 作者 | 陶永才、杨朝阳、石磊、卫琳 |
| 绘制单位 | 郑州大学信息工程学院、郑州大学信息工程学院、郑州大学信息工程学院、郑州大学软件技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
