《表2 六种方法在restaurant数据集的分类准确率》
/%
本文选取Sem Eval-2014 task4中restaurant数据集的训练样本作为融合主题特征的深层注意力LSTM方法的训练集进行模型训练和交叉校验,采用其测试样例进行测试,得到的结果如表2所示。其中表2给出的是六种模型在restaurant数据集上的三种情感极性(positive、negative和neutral)和两种情感极性(positive和negative)的分类准确率效果。本文提出的融合主题特征的深层注意力LSTM模型比其他六种模型都能提高分类的准确率。引入主题特征的模型比无主题特征的模型效果要更好,引入注意力特征的比无注意力特征的效果要好。因此可以得出,主题特征和注意力机制的引入,对于基于特定主题的情感分类任务具有重要的意义。融合主题特征的深层注意力LSTM模型要比单引入注意力的和单引入主题的效果都要好。
图表编号 | XD0067686000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.01 |
作者 | 胡朝举、梁宁 |
绘制单位 | 华北电力大学控制与计算机工程学院、华北电力大学控制与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |