《表1 实验环境配置：ON-LSTM和自注意力机制的方面情感分析》
提示：宽带有限、当前游客访问压缩模式
本文采用流行的深度学习框架Keras完成实验，采用GPU加速，分词工具采用GloVe，实验环境配置具体如表1所示．
| 图表编号 | XD00157811000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.01 |
| 作者 | 张忠林、李林川、朱向其、马海云 |
| 绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院、天水师范学院电子信息与电气工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《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2 模型结果对比：基于自注意力机制的方面情感分类》2020.11.05
- 《表1 实验环境具体配置：基于并行混合网络融入注意力机制的情感分析》2020.09.10
- 《表1 实验环境及配置：基于注意力机制和集成学习的网页黑名单判别方法》2021.01.10
- 《表1 实验环境配置：基于金字塔模型和注意力机制的YOLO V3目标检测算法》2020.11.01
- 《表1 实验环境配置：基于BGRU和自注意力机制的情感分析》2020.08.28
- 《表3 参数设置：基于BGRU和自注意力机制的情感分析》2020.08.28
- 《表2 数据集：基于BGRU和自注意力机制的情感分析》2020.08.28
- 《表1 实验数据统计：结合上下文和注意力机制的特定目标情感分析》2020.04.01
- 《表2 实验使用数据统计：ON-LSTM和自注意力机制的方面情感分析》2020.09.01
- 《表3 模型参数设置：ON-LSTM和自注意力机制的方面情感分析》2020.09.01
- 《表3 实验参数设置：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表4 结果对比：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表1 分词结果：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表2 词向量：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表2 对比实验结果：融合位置注意力机制和改进BLSTM的食品评论情感分析》2020.01.10
- 《表1 实验数据：融合位置注意力机制和改进BLSTM的食品评论情感分析》2020.01.10
- 《表4 模型实验参数设置：基于Bi-GRU和双层注意力机制的商品评论情感分析》2020.02.01
- 《表1 实验数据统计：融合位置权重的基于注意力交叉注意力的长短期记忆方面情感分析模型》2019.08.10
- 《表1 实验环境配置：结合自注意力机制和Tree-LSTM的情感分析模型》2019.07.01