《表3 实验结果：基于预训练模型的文本分类网络TextCGA》
提示：宽带有限、当前游客访问压缩模式
我们在这三个数据集上继续进行实验，测试模型的分类准确率。实验结果如表3所示，我们使用准确率来评估模型。
| 图表编号 | XD00174762600 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.04.25 |
| 作者 | 杨玮祺、杜晔 |
| 绘制单位 | 北京交通大学计算机与信息技术学院、北京交通大学计算机与信息技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 LSTM模型结构：基于改进胶囊网络的文本分类》2020.09.10
- 《表3 模型消融实验结果：基于图分类的中文长文本匹配算法》2020.06.01
- 《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 测评标准：基于MLP和SepCNN神经网络模型的藏文文本分类研究》2020.12.01
- 《表1 数据记录分析表：基于深度预训练语言模型的文献学科自动分类研究》2020.10.24
- 《表1 预训练模型参数：基于深度学习的难分类样本行人检测方法》2020.10.20
- 《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2 实验结果对比：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表1 数据集及划分情况：基于预训练模型的文本分类网络TextCGA》2020.04.25
- 《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1 基于预训练模型构建上层网络的方法》2020.02.20
- 《表3 文本分类的结果：基于预训练模型和联合调参的改进训练算法》2020.02.20
- 《表3 3种模型实验结果：RHS-CNN:一种基于正则化层次Softmax的CNN文本分类模型》2020.05.15
- 《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 层次实验结果表：基于结构张量空间模型的文本分类》2019.07.10
- 《表2 预训练准确率：基于卷积神经网络的RGB-D图片分类》2018.12.20