《表2 聚类算法比较：融合词向量与关键词提取的微博话题发现》
提示：宽带有限、当前游客访问压缩模式
对经过预处理过的微博短文本进行实验，首先通过两种不同的特征提取方法将文本数据处理为数值型数据，在通过对比两种聚类算法单一聚类和k均值聚类方法，来检验实验结果如表2所示。
| 图表编号 | XD00157074400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.15 |
| 作者 | 王立平、赵晖 |
| 绘制单位 | 新疆大学信息科学与工程学院、新疆大学信息科学与工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 部分观点情感特征：基于情感分析的微博热点话题用户群体划分模型》2021.02.25
- 《表1 部分特征词及词频：基于情感分析的微博热点话题用户群体划分模型》2021.02.25
- 《表3 平衡性检验：基于潜在话题的微博谣言在线检测》2020.10.05
- 《表1 学生表：基于潜在话题的微博谣言在线检测》2020.10.05
- 《表2 微博文本样例：基于语境分类与遗传算法的微博情感分析方法》2021.01.15
- 《表1 实验数据基本信息：基于情感主题特征词加权的微博评论聚类算法研究》2020.12.01
- 《表2 聚类结果：基于情感主题特征词加权的微博评论聚类算法研究》2020.12.01
- 《表1 数据集：融合选择提取与子类聚类的快速Shapelet发现算法》2020.03.01
- 《表2 准确率对比：融合选择提取与子类聚类的快速Shapelet发现算法》2020.03.01
- 《表3 耗时对比：融合选择提取与子类聚类的快速Shapelet发现算法》2020.03.01
- 《表5 聚类结果的话题词条与关键词提取进行共现分析》2020.08.15
- 《表3 算法聚类结果：融合词向量与关键词提取的微博话题发现》2020.08.15
- 《表1 微博数据：融合词向量与关键词提取的微博话题发现》2020.08.15
- 《表5 训练词语的词向量：一种融合患者咨询文本与决策机理的医生推荐算法》2020.03.25
- 《表7 融合方法比较：基于性格的微博情感分析模型PLSTM》2020.02.01
- 《表3 实验相关算法参数：基于文本聚类的网络微博舆情话题识别与追踪技术研究》2019.09.15
- 《表1 实验抽取结果：基于词向量与TextRank的关键词提取方法》2019.04.01
- 《表2 热点微博及评分：时间敏感的微博热点爬取与发现模型研究》2019.06.01
- 《表1 微博主要数据表：时间敏感的微博热点爬取与发现模型研究》2019.06.01
- 《表1 子类别具体定义：基于分层支持向量机的微博用户自杀倾向预测与分析》2019.11.05