《表2 长文本分类算法的实验结果 (准确率) 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

《面向文本结构的混合分层注意力网络的话题归类》

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

本文是对话题归类进行的多分类实验，在评价模型性能时使用宏平均准确度。表2是长文本部分的实验结果，分析此结果可知:实验过程中为了提升文本分类效果，应保留文档的出处。无出处时Data1基于TextCNN测试的准确率是78.73%，有出处时准确率是80.91%。由Bi-LSTM和Bi-GRU的执行情况可以看出，Bi-GRU在长文本分类中效果优于CNN、TextCNN和Bi-LSTM。所以TSO-HHAN模型中采用Bi-GRU进行字、词、句的序列编码。另外，各算法的准确率与数据集的分布情况和数据量也相关。Data2的数据分布比较均匀，而且数据量大，所以各算法对应的准确率都最高，HAN-WC的结果略低于Bi-GRU，差0.01%。中文数据Data1和Data2对应的HAN-WC都优于HAN-W和HAN-C，说明HAN-WC不仅挖掘了形态学上汉字的原始含义，还挖掘了中文词语的语义特征，这种字词向量混合表示方法对中文分类算法有一定的提升。同时也说明，对于中文文本来说，基于字词—句的层次注意力网络优于基于词语—句和字—句的层次注意力网络。从英文数据Data3和Data4的运行结果来看，基于注意力的分层网络优于其他深度学习算法。4个数据集的HAN模型的准确率比其他神经网络模型的最高准确率依次提升了5%、0%、2%、5%。综上所述，本研究中长文本分类算法采用HAN-WC是有效的，并具有一定的泛化能力。本研究中英文文本的最小粒度为单词，所以HAN-WC的结果取自HAN-W的结果。