与文本分类中的 LSTM 相比，CNN 给我更好的准确性是正常的吗？

Question

对于文本分类，我有 1000 条评论的数据，我尝试了不同的神经网络。 对于 CNN，我得到了 0.94 的准确度，但对于 LSTM，我得到了较低的准确度（0.88）这是正常的，因为据我所知，LSTM 专门用于文本分类并且它保留了单词序列的顺序？

Answer 1

是的，这并不异常，并且在很多研究中都显示出来。
这些模型的性能取决于许多因素，例如您拥有的数据和您正在处理的任务。
例如，如果您的任务更关心检测一些实质性特征（如情绪），CNN 可以表现良好。
但是，当数据的顺序方面很重要时，例如在机器翻译和文本摘要任务中，基于 RNN 的模型可以显示出它们的优势。
我不相信“专门用于文本分类的 LSTM”是真的。 最好说 LSTM 专门用于学习序列数据。 LSTM 可以很好地学习文本和标记之间的关系，但是您定义的任务可能并不关心这些语言特征。 例如，在情感分类中，model（如 CNN）可以只关心某些单词的存在并取得良好的效果。