《表3 基于文本特征的模型性能》
C2:组合、RF、XGB、LR、KNN、AdaBoost和CNB
在表4中,实验中发现单模态模型XGB的F-score值高于所有的单模态模型。多模态模型E21的F-score值高于E2低于C2。另外,相对于表3而言,LSTM和MLP模型的四种评估值仍然保持在60%-70%中。虽然单模态模型AdaBoost模型的F-score值(37.60%)最低,但与AdaBoost模型组合的多模态模型C3(XGB+MNB+AdaBoost)的F-score值最高,C3的F-score值高于E2约1.56%。
图表编号 | XD006317000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 陈军、王力、徐计 |
绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院、贵州工程应用技术学院信息工程学院、贵州工程应用技术学院信息工程学院 |
更多格式 | 高清、无水印(增值服务) |