《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》
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。
图表编号 | XD0085984400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 吴龙峰 |
绘制单位 | 安徽理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |