《表3 与RNN对比结果：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
本文以传统的RNN和Bi-LSTM为基准模型，与融合语法规则的Bi-LSTM模型（R-Bi-LSTM）进行实验对比，实验数据集采用同一数据集。结果见表3:
| 图表编号 | XD00130457400 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1 模型对比结果：基于半监督与词向量加权的文本分类研究》2020.09.15
- 《表5 对比测试结果：基于SVM的藏文微博文本情感分析研究与实现》2020.03.01
- 《表4 对比测试结果：基于SVM的藏文微博文本情感分析研究与实现》2020.03.01
- 《表3 对比测试结果：基于SVM的藏文微博文本情感分析研究与实现》2020.03.01
- 《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 配置环境：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3 不同模型分类结果：基于CNNGRU-Attention模型的文本情感分析》2019.09.25
- 《表1 情感词典分类：基于机器学习与情感词典的文本主题概括及情感分析》2019.04.15
- 《表6:测试结果对比：基于SVM藏文文本分类的研究与实现》2018.05.01
- 《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