研究文章
一个健壮的文本分类器基于神经网络去噪深大数据的分析
表4
文本分类性能不同的模型使用20-Newsgroup数据集。
|
|
分类器 |
噪声系数 |
| 0.00 |
0.01 |
0.02 |
0.03 |
0.04 |
0.05 |
|
| 精度 |
注 |
0.7506 |
0.7274 |
0.6895 |
0.6678 |
0.5887 |
0.4633 |
| 然而, |
0.6136 |
0.6161 |
0.6213 |
0.6142 |
0.6043 |
0.5978 |
| 支持向量机 |
0.7598 |
0.7527 |
0.7294 |
0.6968 |
0.6652 |
0.6453 |
| DBN |
0.7235 |
0.7207 |
0.7041 |
0.6849 |
0.6562 |
0.6252 |
| DDNN |
0.7536 |
0.7561 |
0.7550 |
0.7542 |
0.7443 |
0.7378 |
|
| 回忆 |
注 |
0.7483 |
0.6693 |
0.5053 |
0.3526 |
0.2613 |
0.2027 |
| 然而, |
0.5959 |
0.6000 |
0.6070 |
0.6034 |
0.5939 |
0.5820 |
| 支持向量机 |
0.7525 |
0.7415 |
0.6966 |
0.6094 |
0.4891 |
0.3833 |
| DBN |
0.7149 |
0.7120 |
0.6990 |
0.6826 |
0.6439 |
0.6250 |
| DDNN |
0.7459 |
0.7500 |
0.7549 |
0.7534 |
0.7439 |
0.7320 |
|
|
分数 |
注 |
0.7494 |
0.6971 |
0.5832 |
0.4615 |
0.3619 |
0.2820 |
| 然而, |
0.6046 |
0.6079 |
0.6141 |
0.6088 |
0.5991 |
0.5898 |
| 支持向量机 |
0.7561 |
0.7471 |
0.7126 |
0.6502 |
0.5637 |
0.4809 |
| DBN |
0.7192 |
0.7163 |
0.7015 |
0.6837 |
0.6500 |
0.6251 |
| DDNN |
0.7497 |
0.7530 |
0.7549 |
0.7538 |
0.7441 |
0.7349 |
|
|
