CNN与RNN对中文文本进行分类--基于TENSORFLOW实现

Iter: 2700, Train Loss: 0.089, Train Acc: 97.66%, Val Loss: 0.37, Val Acc: 91.18%, Time: 0:30:15

Epoch: 8

Iter: 2800, Train Loss: 0.0081, Train Acc: 100.00%, Val Loss: 0.44, Val Acc: 90.66%, Time: 0:31:22

Iter: 2900, Train Loss: 0.017, Train Acc: 100.00%, Val Loss: 0.44, Val Acc: 89.62%, Time: 0:32:29

Iter: 3000, Train Loss: 0.061, Train Acc: 96.88%, Val Loss: 0.43, Val Acc: 90.04%, Time: 0:33:36

No optimization for a long time, auto-stopping...

在验证集上的最佳效不雅为91.42%，经由了8轮迭代停止，速度比拟CNN慢很多。

精确率和误差如图所示：

测试

运行 python run_rnn.py test 在测试集长进行测试。

Testing... 
Test Loss:   0.21, Test Acc:  94.22% 
Precision, Recall and F1-Score... 
             precision    recall  f1-score   support 
 
         体育       0.99      0.99      0.99      1000 
         财经       0.91      0.99      0.95      1000 
         房产       1.00      1.00      1.00      1000 
         家居       0.97      0.73      0.83      1000 
         教导       0.91      0.92      0.91      1000 
         科技       0.93      0.96      0.94      1000 
         时尚       0.89      0.97      0.93      1000 
         时政       0.93      0.93      0.93      1000 
         游戏       0.95      0.97      0.96      1000 
         娱乐       0.97      0.96      0.97      1000 	
			 7/8   首页 上一页 5 6 7 8 下一页 尾页	
			

　　推荐阅读
　　教你简单三招永别烦人的Windows 10自动更新
            Tech Neo技巧沙龙 | 11月25号，九州云/ZStack与您一路商量云时代收集界线治理实践
            我们在客岁的夏天，也就是微软推送Windows 10周年更新的时刻写过一篇关于若何禁用Windows 10更新的文┞仿>>>详细阅读


本文标题：CNN与RNN对中文文本进行分类--基于TENSORFLOW实现
地址：http://www.17bianji.com/lsqh/39190.html
 1/2    1