《表2 CNN参数：基于组合式深度学习网络的混合文本情感分类》
提示：宽带有限、当前游客访问压缩模式
本文参照文献[8]中的方法，以准确率为评价标准，通过固定参数进行参数组合比较，进而将参数调到最优。参数设置见表2和表3。
| 图表编号 | XD00111171000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.11.16 |
| 作者 | 丁建立、苏现帅 |
| 绘制单位 | 中国民航大学计算机科学与技术学院、中国民航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2 模型参数设置：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表2 实验结果对比：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表1 混淆矩阵：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表3 CNN参数：基于序列卷积网络的Twitter情感分类》2020.05.16
- 《表7 神经网络参数设置：基于多特征和深度神经网络的维吾尔文情感分类》2020.05.01
- 《表2 参数设置：双通道混合神经网络的文本情感分析模型》2020.06.01
- 《表5 分类结果混淆矩阵：基于深度学习的文本情感分析》2020.03.05
- 《表1 词向量语义相似度：基于深度学习的文本情感分析》2020.03.05
- 《表2 实验环境配置：基于深度学习的文本情感分析》2020.03.05
- 《表2 实验参数设置：基于深度记忆网络的特定目标情感分类研究》2019.12.15
- 《表2 实验模型参数：Word2vec-CNN-Bilstm短文本情感分类》2020.01.25
- 《表2 评测指标相关关系：基于并行混合神经网络模型的短文本情感分析》2019.08.10
- 《表3 模型参数设置：基于并行混合神经网络模型的短文本情感分析》2019.08.10
- 《表1 CNN参数配置表：基于Word2vec和LDA的卷积神经网络文本分类模型》2019.08.01
- 《表2 数据集：基于CNN-LSTM模型的短文本情感分类》2019.07.10
- 《表3 CNN网络模型：基于深度学习的图像分类方法》2018.06.06
- 《表2 模型参数设置：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01
- 《表1 实现结果比较：一种基于CNN与双向LSTM融合的文本情感分类方法》2019.12.01
- 《表3 实验参数配置：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01
- 《表1 词向量训练参数：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01