《表2 分类结果比较表：基于Word2vec和LDA的卷积神经网络文本分类模型》

  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Word2vec和LDA的卷积神经网络文本分类模型》

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

实验数据如表2所示：从表中可以看出，传统的基于CNN的word2vec文本分类方法的平均准确度、召回率和F1分别为：0.835、0833和0.834。本文的方法是：0.920、0.922和0.921。相比之下，改进的方法具有更好的分类效果，原因在于改进的文本表示矩阵具有很强的特征表示能力，更具代表性，可以为文本分类提供更多的类别信息。