《表4 不同模型的情感分类性能比较》
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
《融合关键对象识别与深层自注意力的Bi-LSTM情感分析模型》
本文模型与其它对比模型分别在相同数据集上的实验结果如表4所示1.尽管完善了对象词抽取工作,并在输入层矩阵融入对象特征权重,但该权重仅从词频角度反映对象词的重要性,而且卷积神经网络在处理序列信息上不具优势,所以在7个模型中CNN的分类效果不太理想.Bi-LSTM比CNN在精确率、召回率和F1值上均有一定提升,说明句子的上下文语义信息在情感分类过程中有重要作用.TC-LSTM对输入词向量序列拼接了对象信息,并以对象词为中心,同时提取其前文信息和后文信息用于情感分类.该方法的核心思想与BiLSTM类似,但是把句子的语义割裂为左右两个部分,在分类性能上仅比Bi-LSTM略有提升.ATAE-LSTM既拼接了特定对象词向量,又引入了注意力机制,分类效果比Bi-LSTM有进一步提升,但该模型仅从一个方向对文本的序列特征建模,其注意力权重是基于隐藏层输出的单层学习结果,故效果提升并不明显.
图表编号 | XD00213651800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 李磊、吴旭辉、刘继 |
绘制单位 | 新疆财经大学统计与数据科学学院、新疆财经大学统计与数据科学学院、新疆财经大学统计与数据科学学院 |
更多格式 | 高清、无水印(增值服务) |