《表1 特征词抽取示例（权重Top5的关键词）》
提示：宽带有限、当前游客访问压缩模式
通过对微博话题进行切词分词，并基于TF-IDF算法抽取关键词，选出每条话题权重最高的5个词语作为其特征词，如表1所示。
| 图表编号 | XD00157153400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.25 |
| 作者 | 席运江、杜蝶蝶、廖晓、仉学红 |
| 绘制单位 | 华南理工大学工商管理学院、华南理工大学工商管理学院、广东金融学院互联网金融与信息工程学院、华南理工大学工商管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 示例网络的预测结果Top5》2020.08.01
- 《表7 专利ADVANTAGE字段的抽取结果示例》2021.03.10
- 《表6 其他情况的专利技术主题词抽取示例》2021.03.10
- 《表7 分类抽取结果示例：学术文本词汇功能识别——在关键词自动抽取中的应用》2021.02.24
- 《表3 物流研究领域的年度Top5热点关键词》2020.09.25
- 《表1 TF-IDF提取类别关键词特征示例》2020.09.01
- 《表2 WoS精益服务相关文献的关键词Top5》2020.06.01
- 《表7 不同语义信息对属性抽取的示例》2020.05.25
- 《表5 关系抽取的一些示例》2020.05.01
- 《表2 关键词相似度top5词》2020.06.01
- 《表1 1 别名抽取模式部分示例》2020.07.20
- 《表1 关键点格式示例：基于模板匹配的三维人体语义特征提取算法》2020.04.01
- 《表1 待处理数据示例：融合表示学习与机器学习的专利科学引文标题自动抽取研究》2019.05.25
- 《表1 词语权重：一种Spark GraphX框架下的关键词抽取方法》2019.02.01
- 《表4 用户需求关键信息抽取、需求转义及最终融合归并结果示例》2019.04.28
- 《表4 策略和特征实验：基于多示例学习的化学物致病关系抽取》2019.02.15
- 《表1 CDR数据集：基于多示例学习的化学物致病关系抽取》2019.02.15
- 《表6 预测结果：基于多示例学习的化学物致病关系抽取》2019.02.15
- 《表1 训练图像数据集中抽取示例图》2018.08.25
- 《表8 类别关键词权重计算示例》2019.12.01