《表1 数据集信息：双通道混合神经网络的文本情感分析模型》
提示：宽带有限、当前游客访问压缩模式
本文采用三个标准英文数据集：MR、Subj和MPQA对模型进行评估，基本信息如表1所示。
| 图表编号 | XD00163015100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.01 |
| 作者 | 杨长利、刘智、鲁明羽 |
| 绘制单位 | 大连海事大学信息科学技术学院、大连海事大学信息科学技术学院、大连海事大学信息科学技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表6 预测值统计结果：基于字符级双通道复合网络的中文文本情感分析》2020.09.05
- 《表7 单句测试结果：基于字符级双通道复合网络的中文文本情感分析》2020.09.05
- 《表5 模型对比结果：基于字符级双通道复合网络的中文文本情感分析》2020.09.05
- 《表2 数据集：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 数据集统计信息：面向短文本情感分类的端到端对抗变分贝叶斯方法》2020.09.10
- 《表3 数据集的统计信息：面向短文本情感分析的多特征融合方法研究》2020.06.01
- 《表2 模型参数设置：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表1 情感语言库：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表5 实例展示：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表2 参数设置：双通道混合神经网络的文本情感分析模型》2020.06.01
- 《表1 数据集信息：多通道双向循环神经网络的方面情感分析》2020.04.01
- 《表2 数据集统计信息：针对文本情感分类任务的textSE-ResNeXt集成模型》2020.04.01
- 《表1 数据集详细信息：基于CNNGRU-Attention模型的文本情感分析》2019.09.25
- 《表2 评测指标相关关系：基于并行混合神经网络模型的短文本情感分析》2019.08.10
- 《表3 模型参数设置：基于并行混合神经网络模型的短文本情感分析》2019.08.10
- 《表1 实验环境配置：基于并行混合神经网络模型的短文本情感分析》2019.08.10
- 《表6 模型比较结果：双通道卷积记忆神经网络文本情感分析》2019.07.15
- 《表5 实验环境配置：双通道卷积记忆神经网络文本情感分析》2019.07.15
- 《表4 网络模型参数：双通道卷积记忆神经网络文本情感分析》2019.07.15
- 《表1 数据集：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01