《表4 TSOHHAN与HAN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

表4是本文提出的TSOHHAN模型与HAN的实验结果对比。HAN-W、HAN-C和HAN-WC是不考虑标题信息的分类算法。从结果可以看出，增加标题信息的TSOHHAN模型的性能优于未增加标题信息的HAN。4个数据集的TSOHHAN模型的准确率比HAN-W分别提升了9%、2%、0.08%和8%。由表2和表4可知，4个数据集的TSOHHAN模型的准确率比其他神经网络模型（CNN、TextCNN、Bi-LSTM和Bi-GRU）的最高准确率分别提升了7%、1%、2%和13%。这也说明，深度挖掘文本逻辑结构特征和组织结构特征对话题归类问题的研究有积极的推进作用。另外，本实验也验证了TSOHHAN模型采用的多策略竞争机制的有效性。单个学习模型存在一定局限性，因为某些学习任务的真实假设可能不在其所考虑的假设空间中。如果结合多个学习模型，其相应的假设空间有所扩大，有可能学到更好的近似。另外，多个学习模型的集成可降低陷入糟糕局部极小点的风险。