《表3 LSTM性能对比:松耦合图卷积文本分类网络》
表3展示了各模型在3个数据集上的分类准确率.从表中可以发现,加入LCGCN模块的LSTM模型能够在模型原有基础上提升文本分类性能.譬如,在R52数据集上,我们模型的分类准确率比LSTM模型高8个百分点,比使用预训练词向量初始化的LSTM方法高3个百分点.这说明LCGCN网络学习得到的单词向量表示较好地捕捉了单词的语义信息.该实验显示,LCGCN模型只需要通过简单的修改便可以与传统神经网络相结合,并且能够在原始模型的基础上带来性能提升.
图表编号 | XD00213648600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 肖驰、徐林莉 |
绘制单位 | 中国科学技术大学计算机科学与技术学院、中国科学技术大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |