《表2 模型对比结果：基于注意力机制的CRNN文本分类算法》
提示：宽带有限、当前游客访问压缩模式
在3种数据集上进行实验来验证模型的效果，实验结果见表2。
| 图表编号 | XD00111166800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.16 |
| 作者 | 陈榕、任崇广、王智远、曲志坚、王海鹏 |
| 绘制单位 | 山东理工大学计算机科学与技术学院、山东理工大学计算机科学与技术学院、山东理工大学计算机科学与技术学院、山东理工大学计算机科学与技术学院、山东理工大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 参数设置：基于双向长效注意力特征表达的少样本文本分类模型研究》2020.10.25
- 《表2 各模型超参数设置：融合特定任务信息注意力机制的文本表示学习模型》2020.09.25
- 《表2 模型结果对比：基于自注意力机制的方面情感分类》2020.11.05
- 《表3 模型消融实验结果：基于图分类的中文长文本匹配算法》2020.06.01
- 《表2 天气分类结果对比：基于全局-局部注意机制的天气分类算法》2020.05.01
- 《表2 Alex Net注意力机制网络模型的分类结果》2021.01.01
- 《表3 BLEU测试结果：学术文本词汇功能识别——基于标题生成策略和注意力机制的问题方法抽取》2021.01.24
- 《表1 数据集划分信息：改进的CRNN模型在警情文本分类中的研究与应用》2020.05.30
- 《表2 实验参数信息：改进的CRNN模型在警情文本分类中的研究与应用》2020.05.30
- 《表2 模型参数设置：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表1 情感语言库：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表5 实例展示：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表3 文本分类的结果：基于预训练模型和联合调参的改进训练算法》2020.02.20
- 《表2 实验结果：引入注意力机制的BiGRU-CNN情感分类模型》2020.08.01
- 《表2 参数设置：基于多层注意力机制的中文文本蕴涵识别方法》2020.08.16
- 《表2 参数设置：基于混合注意力机制的中文文本蕴含识别方法》2020.06.01
- 《表2 实验结果HR对比：基于注意力机制的众包任务推荐算法》2020.01.25
- 《表4 实验结果对比：基于卷积注意力机制的情感分类方法》2020.01.16
- 《表1 数据集划分信息：基于注意力机制的CRNN文本分类算法》2019.11.16
- 《表3 表情符注意力机制模型的不同情感文本的识别结果》2019.09.01