《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．