《表2 新词发现日期示例：一种基于主动学习的中文新词识别算法》
提示：宽带有限、当前游客访问压缩模式
最后，作为实验结果展示，我们给出一些典型新词初次出现以及被本系统首次识别的具体年月日，如表2所示。
| 图表编号 | XD00183758800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.28 |
| 作者 | 王博、代翔、时聪、刘洋 |
| 绘制单位 | 北京市信息技术研究所、中国西南电子技术研究所、北京市信息技术研究所、北京市信息技术研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 不同算法模型对比：一种基于深度学习的车辆识别算法》2020.12.25
- 《表2 LB检验结果：基于主动学习的中文电子病历命名实体识别研究》2020.11.15
- 《表1 元素测量条件：基于主动学习的中文电子病历命名实体识别研究》2020.11.15
- 《表1 人体膝关节结构：用于网络新闻热点识别的热点新词发现》2020.12.10
- 《表1 新词识别算法识别准确率对比》2020.11.28
- 《表3 部分网络新词示例表》2020.03.15
- 《表3 新词示例：无监督分词算法在新词识别中的应用》2020.04.01
- 《表2 四个语料上的新词识别结果》2020.04.01
- 《表1 豆瓣语料上的新词识别结果》2020.04.01
- 《表1 分词效果对比表：基于Trie树的词语左右熵和互信息新词发现算法》2020.03.15
- 《表2 算法测试硬件环境：一种基于快速面部识别算法的学习状态统计分析系统》2020.03.05
- 《表2 人工网络数据集：面向网络结构发现的批量主动学习算法》2019.11.30
- 《表2 实验材料举例：发展性阅读障碍儿童阅读中的眼跳定位缺陷:基于新词学习的实验证据》2019.07.01
- 《表2 对比实验：结合信息量和深度学习的领域新词发现》2019.07.16
- 《表1 新词词表：结合信息量和深度学习的领域新词发现》2019.07.16
- 《表2 中文分词结果：基于规则和N-Gram算法的新词识别研究》2019.02.15
- 《表4 三组新词命名学习评分的重复测量方差分析结果》2019.04.25
- 《表3 三组新词命名学习评分》2019.04.25
- 《表2 发现新词前5列表 (按频数排序)》2018.07.20
- 《表1 发现新词前10列表 (按边界增强上下文熵排序)》2018.07.20