《表4 模型分类精确率对比》
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
《CGGA:一种CNN与并行门控机制混合的文本分类模型》
表4为5个模型分别在THUCNews数据集和搜狐数据集(Sogou CS)上分类的宏平均精确率(MAP),这5个模型分别为:字符级卷积神经网络(CCNN)、双向门控循环单元(Bi GRU)、增加了多头注意力的字符级卷积神经网络(CC-NN-A)、CGG模型、本文构建的分类模型CGGA.由CCNN模型和CCNN-A模型、CGG模型和CGGA模型两组对比模型的宏平均精确率(MAP)值可以看出,增加了多头注意力机制后的模型在两个数据集上的MAP更高,这证明了多头注意力机制可以优化模型,使模型的分类精确率更高.在THUCNews数据集上CGGA模型分类的宏平均精确率比单一的CCNN模型和Bi GRU模型的分别高2.24%、0.76%;在搜狐数据集上CG-GA模型分类的宏平均精确率比单一的CCNN模型和Bi GRU模型的分别高6.78%、0.92%.从实验结果可以看出,本文构建的CGGA模型可以有效的提高文本分类的精确率.
图表编号 | XD00213653600 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 马建红、刘亚培、刘言东、陶永才、石磊、卫琳 |
绘制单位 | 郑州大学软件学院、郑州大学软件学院、河南省国土资源电子政务中心、郑州大学信息工程学院、郑州大学软件学院、郑州大学软件学院 |
更多格式 | 高清、无水印(增值服务) |