《表2 不同数据集下的分类模型准确率 (%)》
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
《融合self-attention机制的卷积神经网络文本分类模型》
从表2的对比结果可以看出使用卷积神经网络的模型比传统的词向量的方法准确率有明显提升.虽然在TREC数据集中的分类效果没有在20News数据集中的准确率高,但通过分析数据集的特点可知,TREC的平均句长要短于20News的平均句长.由于在本文提出的模型中self-attention机制都是基于历史节点对当前节点的影响,当文本句长较长时,所提取特征会更加准确,在与关键词进行相似度计算时能够更加精确.此外,根据中文语料和英文语料的模型分类结果对比可知,本文提出的模型都有明显的优化.
图表编号 | XD0079864200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 邵清、马慧萍 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |