《表2 六种方法在restaurant数据集的分类准确率》

  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

《基于深层注意力的LSTM的特定主题情感分析》

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

/%

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。