《表2 实验结果表：基于BERT-CNN的电商评论情感分析》
提示：宽带有限、当前游客访问压缩模式
采用几种不同的模型进行实验，研究得到的各指标的实验结果见表2，时间对比结果见表3。
| 图表编号 | XD00130372300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 史振杰、董兆伟、庞超逸、张百灵、孙立辉 |
| 绘制单位 | 河北经贸大学信息技术学院、河北经贸大学信息技术学院、河北经贸大学信息技术学院、河北经贸大学信息技术学院、河北经贸大学信息技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 对比实验结果：基于MGCNN的商品评论情感分析》2020.10.01
- 《表1 实验数据设置：基于MGCNN的商品评论情感分析》2020.10.01
- 《表1 车架固有频率：基于文本情感分析的电商产品评论数据研究》2020.12.01
- 《表2 评语主题分析结果：基于文本挖掘的电影评论情感分析研究》2021.02.25
- 《表2 实验结果：一种基于深度学习的科普文章评论情感分析》2018.07.20
- 《表1 实验结果：基于BERT与Focal Loss的电商平台评论情感研究》2021.03.10
- 《表2 基线系统实验结果：基于PreLM-FT细粒度情感分析的餐饮业用户评论挖掘》2020.04.25
- 《表4 电商在线评论话语中的情感资源》2020.08.01
- 《表2 测试结果对比：基于BiGRU-CNN-Attention模型的股市评论情感分析》2020.04.25
- 《表4 话题情感分析结果：基于MOOC课程评论的话题挖掘与情感分析研究》2020.08.15
- 《表1 词频统计结果：基于MOOC课程评论的话题挖掘与情感分析研究》2020.08.15
- 《表1：数据集描述：基于电商产品评论数据的情感分析》2020.06.01
- 《表2 对比实验结果：融合位置注意力机制和改进BLSTM的食品评论情感分析》2020.01.10
- 《表4 模型实验参数设置：基于Bi-GRU和双层注意力机制的商品评论情感分析》2020.02.01
- 《表1 实验环境配置表：基于BERT-CNN的电商评论情感分析》2020.02.01
- 《表3 时间表：基于BERT-CNN的电商评论情感分析》2020.02.01
- 《表3 实验结果：基于深度学习的商品评论情感分类》2019.11.01
- 《表1 追加评论抽取结果：基于追加评论的情感分析研究》2019.11.15
- 《表2 情感程度权重：基于融合算法的短文本评论情感分析》2019.11.25
- 《表3 实验效果对比：基于融合算法的短文本评论情感分析》2019.11.25