《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》
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。
图表编号 | XD0073421900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.20 |
作者 | 唐贤伦、林文星、杜一铭、王婷 |
绘制单位 | 重庆邮电大学自动化学院、重庆邮电大学自动化学院、重庆邮电大学计算机学院、重庆邮电大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |