《表3 使用词向量模型表示文本的分类结果》
提示：宽带有限、当前游客访问压缩模式
分别对使用向量空间模型和词向量模型表示的专利文本进行分类，结果如表3-4所示。
| 图表编号 | XD00132512600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.25 |
| 作者 | 薛金成、姜迪、吴建德 |
| 绘制单位 | 昆明理工大学知识产权发展研究院、昆明理工大学计算中心、昆明理工大学民航与航空学院 |
| 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3 基于各种文档向量表示模型的隐性引用句与施引/参考文献的相似度比较结果》2021.01.25
- 《表1 词向量表示(部分)》2021.01.01
- 《表1 基于词袋模型的One-hot文本向量》2021.02.16
- 《表3 使用词向量的实验结果》2021.03.15
- 《表4 Rand/Glo Ve词向量表示+神经网络级联结构的分类性能》2021.02.25
- 《表3 Glo Ve词向量表示+基线方法的分类性能》2021.02.25
- 《表3 基于不同词向量模型的对比结果》2020.07.01
- 《表5 HNNMA使用不同词向量模型的性能比较》2020.09.01
- 《表1 文本集VSM表示：向量空间模型的文本分类研究进展与应用》2019.12.15
- 《表4 使用向量空间模型表示文本的分类结果》2020.02.25
- 《表3 实验对比结果：一种基于词向量的恶意代码分类模型》2020.03.20
- 《表1 实验环境：一种基于词向量的恶意代码分类模型》2020.03.20
- 《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 混淆矩阵：融合多粒度信息的文本向量表示模型》2019.09.25
- 《表2 基于不同文本表示方法的分类结果》2019.11.01
- 《表5 事件触发词的特征向量表示》2019.04.25
- 《表1 词向量训练参数：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01
- 《表1 部分未登陆词：一种改进空间向量模型的东巴文本表示方法》2018.06.01
- 《表1 模型性能比较：基于多原型词向量的情感分析在评教文本中的应用》2019.11.18