《表1 实验数据集：基于注意力机制的社交垃圾文本检测方法》
提示：宽带有限、当前游客访问压缩模式
为验证MA-CNN方法的检测效果，本文通过在4个数据集上进行实验，进一步评价MA-CNN的检测效果。本文使用的4个数据集情况如表1所示。
| 图表编号 | XD00139961300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.15 |
| 作者 | 曲强、于洪涛、黄瑞阳 |
| 绘制单位 | 国家数字交换系统工程技术研究中心、国家数字交换系统工程技术研究中心、国家数字交换系统工程技术研究中心 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 数据集统计信息：融合特定任务信息注意力机制的文本表示学习模型》2020.09.25
- 《表1 评论数据集统计：基于自注意力机制的方面情感分类》2020.11.05
- 《表3 数据集实验结果：基于通道域自注意力机制的图像识别算法》2020.10.01
- 《表7 综合评测评分细则：学术文本词汇功能识别——基于标题生成策略和注意力机制的问题方法抽取》2021.01.24
- 《表3 BLEU测试结果：学术文本词汇功能识别——基于标题生成策略和注意力机制的问题方法抽取》2021.01.24
- 《表2 实验环境：学术文本词汇功能识别——基于标题生成策略和注意力机制的问题方法抽取》2021.01.24
- 《表1 实验数据集：基于多注意力的多变量时间序列特征选择方法》2020.11.15
- 《表2 参数设置：基于多层注意力机制的中文文本蕴涵识别方法》2020.08.16
- 《表2 参数设置：基于混合注意力机制的中文文本蕴含识别方法》2020.06.01
- 《表1 实验数据统计：基于混合注意力机制的中文文本蕴含识别方法》2020.06.01
- 《表1 实验数据集描述：自我注意力机制中基于相对位置的句子表示方法》2020.02.01
- 《表1 数据集详情：基于注意力机制的众包任务推荐算法》2020.01.25
- 《表2 消去实验：基于注意力机制的红外图像和自然图像电力设备异常检测方法研究》2020.02.25
- 《表1 实验数据集的分布：基于循环神经网络的图像特定文本抽取方法》2019.12.25
- 《表1 数据集划分信息：基于注意力机制的CRNN文本分类算法》2019.11.16
- 《表1 参数调节：基于双向多维度自注意力机制的文本情感分析方法》2019.05.15
- 《表1 实验数据集：面向文本结构的混合分层注意力网络的话题归类》2019.05.01
- 《表1 数据集的结构：基于社交平台数据的文本分类算法研究》2018.10.15
- 《表2 实验数据集：SSDHT:基于社交网络的DHT安全增强机制》2018.11.20
- 《表1 实验数据集：基于朴素贝叶斯的法律咨询文本分类方法》2018.08.18