《表2 dm值的选取对分类准确率的影响》

  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

《基于串并行卷积门阀循环神经网络的短文本特征提取与分类》

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

卷积核的数目设为512，卷积核的大小设为2，每一批数据为128。模型采用dropout的正则化技巧，以减小训练过拟合的程度。在词向量输入卷积层前和GRU输出到Softmax分类器前，采用比例为0.5的dropout操作。在TREC数据集中，GRU隐含层节点数为100，尺度缩放因子s设置为30，附加边缘余弦距离dm为0.1。在MR数据集中设置GRU隐含层节点数为30，尺度缩放因子s为5，附加边缘余弦距离d m为0.2。Subj数据集中设置GRU隐含层节点数为30，尺度缩放因子s为7，附加边缘余弦距离d m为0.1。尺度缩放因子主要影响模型的收敛快慢，需要根据模型收敛的迭代次数进行调整，尺度缩放因子越大，模型收敛越快。d m、卷积核数、卷积核大小、GRU隐层节点数4个超参数的选取对分类准确率的影响如表2～5所示。