《表2 三次实验结果对比：基于广度学习的异构社交网络敏感实体识别模型研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于广度学习的异构社交网络敏感实体识别模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据第4.2.2节中的参数优化结果，令嵌入维数s=80，与用户和敏感推文相对应的潜在因子个数t=12，融合学习参数α=1、β=1，然后采用本文提出的基于广度学习的敏感实体识别模型在融合了Twit‐ter和Facebook两个大型HSNs的融合数据集中进行实验，得到最终的实验结果。此外，利用同一套参数，在经过预处理的Twitter和Facebook两个原始数据集中分别进行实验，也得到实验结果的MAE和RMSE值，三次实验结果对比如表2和图7所示。