《表2 结构特征：基于机器学习的推特谣言立场分析研究》
提示：宽带有限、当前游客访问压缩模式
该方法的设计考虑了Twitter的几个数据特征，然后选择最相关的特征来提高分类性能。下面列出了我们使用的一组结构特性。
| 图表编号 | XD00104400400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.05 |
| 作者 | 李峤、刘宇 |
| 绘制单位 | 武汉邮电科学研究院、南京烽火天地通信科技有限公司、南京烽火天地通信科技有限公司 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 特征描述：系统功能语言学理论视角下突发公共卫生事件谣言用户立场识别研究——以COVID-19疫情为例》2021.02.01
- 《表6 特征重要性度量：基于机器学习的故意伤害案件风险分析》2020.04.25
- 《表1 各个特征的权重：基于机器学习的在线学习数据分析与研究》2020.02.25
- 《表2 高相关度特征属性：基于机器学习的学生成绩信息化预测研究》2020.04.18
- 《表1 训练样本特征：基于机器学习的网络投诉预测分析》2020.08.15
- 《表2 特征提取：基于机器学习的侵财类案件危害程度分析》2019.12.31
- 《表2 股票特征：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表1 增持股季度信息：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表3 描述性统计：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表4 预测空间：基于机器学习的股票特征预测机构持股研究》2019.10.25
- 《表4 情感特征：基于机器学习的推特谣言立场分析研究》2019.11.05
- 《表3 对话特征：基于机器学习的推特谣言立场分析研究》2019.11.05
- 《表1 数据集：基于机器学习的推特谣言立场分析研究》2019.11.05
- 《表2 各网络统计特征：基于社交网络结构特征的S2IR谣言传播模型》2019.09.01
- 《表1 输入特征表：基于机器学习的冠心病住院费用预测研究》2019.09.01
- 《表5 特征向量对比：面向机器学习的流式文档逻辑结构标注方法研究》2019.09.01
- 《表1 三类特征的含义：基于领域词典和机器学习的影评情感分析》2019.08.01
- 《表4 有效特征信息：基于机器学习的中文MOOC教育学员流失预测研究》2019.06.05
- 《表3 基本特征信息：基于机器学习的中文MOOC教育学员流失预测研究》2019.06.05
- 《表1 学习者特征分析：基于机器学习的网络学习行为分析》2018.08.25