《表5 神经网络与传统方法的错误率比较》

  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

《基于CNN和LSTM的智能文本分类》

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

LSTM能嵌入变化尺寸的区域，而CNN需要这个区域尺寸是固定的。从表格5上来看，可以认为LSTM相对于CNN有小幅度的改进。然而，CNN的这个缺点是可以被缓解的，可以使用多个卷积层和有区别的区域尺寸。在上述表格中的CNN我们采用两个卷积层和两个不同的区域尺寸，尽管这些模型比表格3的要大，训练和测试的速度仍然比LSTM要快。做为比较，LSTM的长处在于可以嵌入更大的区域，不过在这里好像没有太大的贡献，这可能是因为训练数据的数量对于长单词序列的学习不是很有效率。总体上说，CNN由于它的简洁表现的比预想的要好，所以有足够的理由把这两种方法结合在一起。