《表2 模型参数设置：基于BiGRU-attention神经网络的文本情感分类模型》

  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BiGRU-attention神经网络的文本情感分类模型》

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

本实验采用准确率、损失率和迭代时间作为实验的评价标准。数据预处理是实验数据放入神经网络训练前最重要的一步。文本向量层已经对数据处理作了详细论述，在这里不作陈述。本实验采用Keras深度学习框架，底层为Tensor Flow，使用Python语言编程实现；实验运行环境为Jet Brains Py Charm软件、Windows 10系统、内存8 GB等。本实验模型为文本向量输入层、隐藏层和文本分类层的三层网络结构。实验中有许多超参数需要设置和调整，超参数设置和调整都是在每一次迭代完成后，根据实验的准确率、损失率调整的。经过多次迭代，实验设置的超参数如表2所示。