《表2 实验结果：面向社交媒体的反讽识别》
提示：宽带有限、当前游客访问压缩模式
研究中又采用了3个基线模型做对比，分别是CNN、LSTM、Attention based LSTM，实验结果见表2。
| 图表编号 | XD00130396000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 罗观柱、赵妍妍、秦兵、刘挺 |
| 绘制单位 | 哈尔滨工业大学计算机科学与技术学院、哈尔滨工业大学计算机科学与技术学院、哈尔滨工业大学计算机科学与技术学院、哈尔滨工业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 模型回归结果：社交媒体对公共图书馆信息服务的影响研究——基于调查问卷的实证分析》2020.10.01
- 《表1 特征卡方统计值：融合语言特征的反讽文本识别模型研究》2021.01.10
- 《表2 双重差分检验结果：基于多种提及关系的社交媒体用户位置推断》2020.12.25
- 《表2 实验平台信息：灾害事件下社交媒体图文相关性研究》2020.11.24
- 《表2 模型检验结果：短视频社交媒体用户的使用动机、参与方式与个人工作绩效的关系研究》2020.11.20
- 《表4 实验验证结果：面向煤矿的实体识别与关系抽取模型》2020.08.10
- 《表4 水泥强度等级表：面向社交媒体评论的上下文语境讽刺检测模型》2021.01.15
- 《表1 拟合函数表达式：面向社交媒体评论的上下文语境讽刺检测模型》2021.01.15
- 《表3 实验试剂：面向社交媒体评论的上下文语境讽刺检测模型》2021.01.15
- 《表2 三次实验结果对比：基于广度学习的异构社交网络敏感实体识别模型研究》2020.06.24
- 《表1 实验结果：面向电力行业的热词语音识别技术》2020.08.05
- 《表1 数据集规模：面向社交媒体的反讽识别》2020.02.01
- 《表3 感知实验结果：面向混合交通流的智能网联车鸣笛意图识别模型》2019.08.01
- 《表2 政务社交媒体危机传播效果评价指标的权重结果》2019.09.30
- 《表1 搭配规则统计值：融合语言特征的卷积神经网络的反讽识别方法》2019.05.01
- 《表1 社交媒体研究的突发性文献结果列表》2019.07.01
- 《表1 实验精度：社交媒体的情感挖掘在服务减灾中的应用》2019.06.25
- 《表3 模型实验设置对比：融入自注意力机制的社交媒体命名实体识别》2019.06.01
- 《表4 中文社交媒体命名实体识别实验结果》2019.06.01
- 《表9 3种识别情况分布：融入自注意力机制的社交媒体命名实体识别》2019.06.01