《表2 对比实验结果：基于深度学习的在线健康社区抑郁症用户画像研究》

  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

《基于深度学习的在线健康社区抑郁症用户画像研究》

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

实验对比结果如表2所示．可以看出，在微博用户个人主页内容的数据集和“走饭”微博的评论两个数据集上，本文所提TCNN＿GRU模型都要优于其他模型，在两个数据集上准确率分别高出次高模型1.56%、2.47%，比表现最差的模型提高了14.62%、13.61%的准确率．整体上而言，传统机器学习模型在文本分类上的效果和表现并不如深度学习模型；Text CNN模型中表现最好的是使用预先训练的词向量并且设置参数可以微调的模型CNN-nonstatic；EBi LSTM作为RNN模型的改进，在分类效果上并没有比LSTM模型好很多；进一步分析发现，不同于其他类型微博用户，实验对象的“走饭”评论和用户得主页微博内容中很少出现表情符，因而加入表情信息并不能对模型提高做出较大的贡献；混合模型中CNN-Bi LSTM由于既引入了外部信息，又提高了文本局部信息，使用Bi LSTM提取序列信息，准确率较高．C-LSTM与上述模型思路类似，但模型内部结构不同．HMAN使用了层次注意力，分类效果优良但是分类效果仍然低于本文所述模型，本模型提高了3.89%和3.60%的准确率．