《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》
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。
图表编号 | XD00168288100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.24 |
作者 | 黄炜、童青云、李岳峰 |
绘制单位 | 湖北工业大学经济与管理学院、湖北工业大学经济与管理学院、湖北工业大学经济与管理学院 |
更多格式 | 高清、无水印(增值服务) |