《表4 情感特征：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
基于以上特征集，我们总结了4个与立场分类相关的类别:支持、否认、询问、评论，其中包括了11个LIWC类别。
| 图表编号 | XD00104400700 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5 情感强度实验结果：基于机器学习的外汇新闻情感分析》2020.06.16
- 《表4 情感倾向实验结果：基于机器学习的外汇新闻情感分析》2020.06.16
- 《表6 情感分析元组：基于机器学习的外汇新闻情感分析》2020.06.16
- 《表3 实验数据集：基于机器学习的外汇新闻情感分析》2020.06.16
- 《表2 程度词权重：基于机器学习的外汇新闻情感分析》2020.06.16
- 《表1 用户推特矩阵U：基于社交关系增强的短文本情感分析方法》2020.09.15
- 《表2 KNN的分类概率：基于情感词汇与机器学习的方面级情感分类》2020.01.16
- 《表1 部分情感词汇：基于情感词汇与机器学习的方面级情感分类》2020.01.16
- 《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2 结构特征：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 机器学习分类性能：基于领域词典和机器学习的影评情感分析》2019.08.01
- 《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1 情感词典分类：基于机器学习与情感词典的文本主题概括及情感分析》2019.04.15
- 《表1 部分分词结果：基于机器学习的汽车产品情感分析》2018.02.10
- 《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