《表2 候选节点获取结果：基于“Effect-theme”共现网络的专利分类方法》
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“Effect-theme”共现网络的专利分类方法》
步骤1：候选节点选取。对待分类专利进行预处理及分词，候选节点的选取结果如表2所示：
| 图表编号 | XD00169507900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.28 |
| 作者 | 高颀 |
| 绘制单位 | 河北工业大学人工智能与数据科学学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表7 研究领域共现网络节点性质》2020.10.01
- 《表2 铁水成分%：基于混合图卷积网络模型的节点分类方法》2020.12.10
- 《表1 关键词共现网络分析过滤后的节点关键词》2020.11.15
- 《表3 4组实验结果对比：非均衡数据下基于卷积神经网络的专利文本自动分类研究》2020.09.30
- 《表1 混淆矩阵：非均衡数据下基于卷积神经网络的专利文本自动分类研究》2020.09.30
- 《表5 父节点共现网络的一模矩阵》2020.05.25
- 《表4 漏洞类别分类结果：基于卷积神经网络的软件漏洞自动分类方法》2020.05.25
- 《表3 节点得分结果：基于“Effect-theme”共现网络的专利分类方法》2020.04.28
- 《表5 文本分类结果比较：基于“Effect-theme”共现网络的专利分类方法》2020.04.28
- 《表1 评测指标相关表：基于“Effect-theme”共现网络的专利分类方法》2020.04.28
- 《表2 事故原因共现网络的节点度值分布表》2020.08.01
- 《表1 实验分类结果：基于LSTM神经网络的电网文本分类方法》2020.01.15
- 《表2 创业资源分类：创业网络规模与质量对创业资源获取的影响——基于创业阶段的分析》2020.04.15
- 《表2 节点重要度排序：基于最小连通支配集的复杂网络关键节点与连边识别方法》2019.11.01
- 《表1 实验结果统计：基于最小连通支配集的复杂网络关键节点与连边识别方法》2019.11.01
- 《表1 2 关键词共现网络中各项指标的节点汇总表》2019.10.20
- 《表3 节点的获取方法：beautifulsoup库在网络爬虫中的使用技巧及应用》2019.10.01
- 《表2 候选分类方法介绍：一种基于集成学习的钓鱼网站检测方法》2019.09.15
- 《表2 样本节点跨区域专利转让分类结果》2019.04.10
- 《表3 核心集和全数据集德温特专利分类共现关系网络的指标情况》2019.01.24