《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》
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》
对比实验结果如表5所示。
| 图表编号 | XD00169508000 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 数据集2结果对比：基于MLP和SepCNN神经网络模型的藏文文本分类研究》2020.12.01
- 《表6 数据集3结果对比：基于MLP和SepCNN神经网络模型的藏文文本分类研究》2020.12.01
- 《表5 数据集1结果对比：基于MLP和SepCNN神经网络模型的藏文文本分类研究》2020.12.01
- 《表4 特征降维结果对比：基于MLP和SepCNN神经网络模型的藏文文本分类研究》2020.12.01
- 《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3 实验结果：基于预训练模型的文本分类网络TextCGA》2020.04.25
- 《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2 候选节点获取结果：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3 实验结果：基于动态路由序列生成模型的多标签文本分类方法》2020.07.10
- 《表7 分类结果混淆矩阵：基于社交关系增强的短文本情感分析方法》2020.09.15
- 《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3 性能指标：全卷积神经网络的字符级文本分类方法》2020.03.01
- 《表2 基于不同文本表示方法的分类结果》2019.11.01
- 《表2 分类结果比较表：基于Word2vec和LDA的卷积神经网络文本分类模型》2019.08.01
- 《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
- 《表1 部分共现词组：基于词共现的文本分类算法》2018.09.01
- 《表2 预测结果统计：基于朴素贝叶斯的法律咨询文本分类方法》2018.08.18
- 《表1 实现结果比较：一种基于CNN与双向LSTM融合的文本情感分类方法》2019.12.01