《表3 短文本分类算法的实验结果 (准确率) 对比》
由隐藏层特点决定,CNN/TextCNN更适合标题特征明显的数据,Bi-LSTM/Bi-GRU更适合需要理解标题语义的数据。表3是短文本分类算法对比实验结果,通过该结果可以获知,不同短文本分类算法针对不同的数据,其准确率是不同的。本实验中,Bi-GRU和TextCNN的表现比较突出,在策略竞争机制中,起主导作用。4个基础模型的最高准确率比最低准确率分别提升了5%、12%、9%和9%。Data3原始数据的标题信息完整性相对较弱,所以对应的分类效果较差。从表3可以看出,Data1、Data2、Data3的MTC准确率微高于4个基础模型的最高准确率,Data4的MTC准确率接近于4个基础模型的最高准确率。这也体现了Bi-GRU在Data1和Data2短文本分类问题中的影响力,TextCNN在Data3和Data4短文本分类问题中的影响力。
图表编号 | XD0054907200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 车蕾、杨小平、王良、梁天新、韩镇远 |
绘制单位 | 中国人民大学信息学院、北京科技大学信息管理学院、中国人民大学信息学院、中国人民大学信息学院、中国人民大学信息学院、中国人民大学信息学院 |
更多格式 | 高清、无水印(增值服务) |