《表2 实验环境：结合Bert字向量和卷积神经网络的新闻文本分类方法》
提示：宽带有限、当前游客访问压缩模式
本系列图表出处文件名：随高清版一同展现
《结合Bert字向量和卷积神经网络的新闻文本分类方法》
本文的实验环境如表2所示：
| 图表编号 | XD00116573400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.01 |
| 作者 | 刘凯洋 |
| 绘制单位 | 东北师范大学数学与统计学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表1 模型内容组成：池化和注意力相结合的新闻文本分类方法》2019.11.01
- 《表1 数据来源表：结合卷积和长短期记忆网络的长文分类方法》2019.11.01
- 《表3 4组实验结果对比：非均衡数据下基于卷积神经网络的专利文本自动分类研究》2020.09.30
- 《表1 实验环境设置：图像分类卷积神经网络的进化设计》2020.05.15
- 《表1 实验环境配置：结合LDA与Self-Attention的短文本情感分类方法》2020.09.15
- 《表1 实验环境：最近邻注意力和卷积神经网络的文本分类模型》2020.02.01
- 《表1 实验环境：基于BERT的文本情感分析》2020.03.05
- 《表2 性能评价指标：全卷积神经网络的字符级文本分类方法》2020.03.01
- 《表3 性能指标：全卷积神经网络的字符级文本分类方法》2020.03.01
- 《表1 实验环境：基于BERT的警情文本命名实体识别》2020.02.10
- 《表1 实验环境：一种基于BERT的自动文本摘要模型构建方法》2020.01.01
- 《表3 实验准确率对比：结合Bert字向量和卷积神经网络的新闻文本分类方法》2020.01.01
- 《表2 卷积神经网络参数：融合多粒度信息的文本向量表示模型》2019.09.25
- 《表1 实验环境：基于卷积递归模型的文本分类研究》2019.10.06
- 《表2 分类结果比较表：基于Word2vec和LDA的卷积神经网络文本分类模型》2019.08.01
- 《表2 情感文本数据集：一种结合随机游走和粗糙决策的文本分类方法》2019.06.01
- 《表2 实验环境与配置：基于卷积神经网络的短文本分类研究》2019.03.25
- 《表5 实验环境配置：双通道卷积记忆神经网络文本情感分析》2019.07.15
- 《表1 实验结果：基于汇编指令词向量与卷积神经网络的恶意代码分类方法研究》2019.04.10
- 《表1 实验平台参数：基于改进卷积神经网络结合支持向量机的行人检测算法》2018.09.05