《表4 超参数设置:结合产品特征的评论情感分类模型》
采用13train和14train对PWCNN模型进行训练,学习模型的权重值和偏置,测试所训练模型的有效性和泛化能力。对于PWCNN模型的训练,采用minibatch随机梯度下降方法,并且在输出上采用dropout防止模型过拟合。采用训练集的5倍交叉验证来调节模型中的超参数,在实验中得出了最佳的参数配置,其参数设置如表4所示。MNB模型中的超参数平滑因子α设置为1,所有使用SVM模型的超参数正则化常数C设置为1。
图表编号 | XD0067448100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.15 |
作者 | 喻涛、罗可 |
绘制单位 | 长沙理工大学计算机与通信工程学院、长沙理工大学综合交通运输大数据智能处理湖南省重点实验室、长沙理工大学计算机与通信工程学院、长沙理工大学综合交通运输大数据智能处理湖南省重点实验室 |
更多格式 | 高清、无水印(增值服务) |