《表3 训练集情绪文本数量分布》

  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

《基于联合特征与Bi-LSTM模型的英汉双语文本情绪预测》

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

本文采用的数据集为NLPCC2018共享任务中的数据集，数据集由7 928条英汉双语文本组成，其中训练集6 000条，验证集728条，测试集1 200条。由于部分样本含有多种情绪，训练集共拆分出6 675个标签、文本对，表3给出各类情绪文本数量。通过表3可以发现训练集存在数据不平衡问题，其中包含happiness、sadness和没有包含情绪的文本数量较多，包含anger、fear和surprise的文本数量较少。针对样本数量少的类别，本文采用重采样技术随机选择样本，扩充这些类别样本数据以达到数据平衡。