《表1 情感分类验证数据表》
提示：宽带有限、当前游客访问压缩模式
实验结果证明本文情感细粒度分类基本上是准确的、符合微博用户情绪波动的。
| 图表编号 | XD00189211100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.20 |
| 作者 | 马海、马力 |
| 绘制单位 | 西安邮电大学、西安邮电大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 评论数据集统计：基于自注意力机制的方面情感分类》2020.11.05
- 《表1 数据集统计信息：面向短文本情感分类的端到端对抗变分贝叶斯方法》2020.09.10
- 《表2 实验数据统计：基于BERT的不完全数据情感分类》2021.01.10
- 《表1 IEMOCAP数据集上情感分类精确度》2021.02.01
- 《表2 热通量验证：基于BiLSTM-ATT的微博用户情感分类研究》2021.02.20
- 《表2 情感分类示例：基于社交媒体的海南风灾监测数据集》2019.06.01
- 《表3 实验参数设置：基于深度BLSTM和分类元数据的自定义情感分类》2020.09.01
- 《表1 实验平台设置：基于深度BLSTM和分类元数据的自定义情感分类》2020.09.01
- 《表1 数据集：结合注意力机制与双向切片GRU的情感分类模型》2020.09.01
- 《表1 实验数据统计：利用位置增强注意力机制的属性级情感分类》2020.04.01
- 《表3 情感分类数据集测试结果》2020.02.16
- 《表1 数据统计结果：基于深度记忆网络的特定目标情感分类研究》2019.12.15
- 《表1 数据集：在线学习情感分类模型研究》2019.10.01
- 《表1 实验数据统计：用于目标情感分类的多跳注意力深度模型》2019.09.30
- 《表1 SST数据集上的情感分类实验结果》2019.07.30
- 《表2 不同方法在相同数据集情感分类的实验对比》2019.05.15
- 《表2 数据集的划分：结合产品特征的评论情感分类模型》2019.08.15
- 《表3 NLPCC评测数据集不同模型情感分类准确率 (A)》2019.07.10
- 《表1 数据集：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01
- 《表1 测试数据：基于前向神经网络的音乐情感识别分类算法》2019.12.25