《表1 配置环境：基于Bi-LSTM的财金文本情感分类研究》
提示：宽带有限、当前游客访问压缩模式
融合语法规则的Bi-LSTM模型在准确率上优于传统的RNN、LSTM，体现出语法规则对情感分类的重要性，见表3。
| 图表编号 | XD00130457000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.01 |
| 作者 | 胡赫薇、冯晓曦 |
| 绘制单位 | 上海立信会计金融学院、上海立信会计金融学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 实验环境配置：面向短文本情感分析的多特征融合方法研究》2020.06.01
- 《表1 删除文本示意：基于网络情感分析的城市景观照明对环境感知的影响研究——以上海外滩景观照明改造为例》2020.05.05
- 《表3 预测标注实例：基于注意力机制的Bi-LSTM结合CRF的新闻命名实体识别及其情感分类》2020.07.10
- 《表4 预测得分：基于注意力机制的Bi-LSTM结合CRF的新闻命名实体识别及其情感分类》2020.07.10
- 《表1 标注实例：基于注意力机制的Bi-LSTM结合CRF的新闻命名实体识别及其情感分类》2020.07.10
- 《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4 情感分类表：基于网络文本分析的桂林旅游感知形象与投射形象对比研究》2020.06.30
- 《表1 实验环境及配置：基于ERNIE-BiGRU模型的中文文本分类方法》2020.08.01
- 《表6 实验环境配置：基于词典的文本极性计算及分类研究》2020.04.01
- 《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3 与RNN对比结果：基于Bi-LSTM的财金文本情感分类研究》2020.04.01
- 《表2 文本预处理：基于Bi-LSTM的财金文本情感分类研究》2020.04.01
- 《表1 1 结果对比分析：基于OCC模型和LSTM模型的财经微博文本情感分类研究》2020.01.24
- 《表1 实验环境配置：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2 实验配置与环境：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表3 模型参数设置：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表4 模型实验结果：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表1 语法词典：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《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