《表1 词向量语义相似度：基于深度学习的文本情感分析》
提示：宽带有限、当前游客访问压缩模式
FastText模型训练的词向量可以更加方便地计算词语之间的相关性，利用词向量之间的余弦距离表示词语之间的关系，余弦距离越大，词语之间的关系就越大．表1所示是对抓取到的微博进行预处理之后计算与“开心”这词最相关的10个词．
| 图表编号 | XD00132516500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.05 |
| 作者 | 李丽华、胡小龙 |
| 绘制单位 | 中南大学计算机学院、中南大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 词嵌入向量语义相似度》2020.06.15
- 《表2 多义词真实词向量与基于线性组合模型的预测词向量之间的余弦相似度》2021.01.25
- 《表1 微博文本示例：融合情感特征的深度学习微博情感分析》2020.10.20
- 《表3 水样水质化验结果：基于深度学习的中文网络招聘文本中的技能词抽取方法》2020.08.25
- 《表2 语义逻辑词及权值：基于大数据文本分析的旅游目的地情感形象研究——以舟山旅游地为例》2020.08.01
- 《表4 词相似度距离矩阵：基于引文细粒度情感量化的学术评价研究》2020.06.25
- 《表1 中文-藏文情感词：基于SVM的藏文微博文本情感分析研究与实现》2020.03.01
- 《表6 基于词向量模型的词语相似度》2020.03.25
- 《表1 文本相似度算法：基于语义分析的政策法规智能审核研究与实现》2020.04.10
- 《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 实验环境配置：基于深度学习的文本情感分析》2020.03.05
- 《表2 CNN参数：基于组合式深度学习网络的混合文本情感分类》2019.11.16
- 《表4 各模型评测结果：基于WV-CNN的中文文本语义相似度计算方法》2019.01.25
- 《表3 二分类混淆矩阵：基于WV-CNN的中文文本语义相似度计算方法》2019.01.25
- 《表2 软件环境：基于WV-CNN的中文文本语义相似度计算方法》2019.01.25
- 《表1 硬件环境：基于WV-CNN的中文文本语义相似度计算方法》2019.01.25
- 《表1 字符语义距离：一种基于字向量和LSTM的句子相似度计算方法》2019.01.25
- 《表1 情感词集：基于融合算法的短文本评论情感分析》2019.11.25
- 《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 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