《表1 特征指标集合：基于协同训练算法的微博垃圾评论识别》
提示：宽带有限、当前游客访问压缩模式
特征提取是微博垃圾评论识别流程中的重要步骤，本文从评论内容和评论者二个方面对特征做细化，以便协同训练，具体内容见表1。
| 图表编号 | XD00192281800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.10.01 |
| 作者 | 曹春萍、杨青林 |
| 绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 邮件特征属性：基于聚类分析算法的垃圾邮件识别》2020.10.01
- 《表1 教师情感支持指标：基于知识图谱与目标检测的微博交通事件识别》2020.12.25
- 《表3 正面情感和负面情感的微博评论数t检验》2020.12.25
- 《表2 微博文本样例：基于语境分类与遗传算法的微博情感分析方法》2021.01.15
- 《表1 标签分类：基于语境分类与遗传算法的微博情感分析方法》2021.01.15
- 《表1 1 方差分析结果：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表1 实验数据基本信息：基于情感主题特征词加权的微博评论聚类算法研究》2020.12.01
- 《表2 聚类结果：基于情感主题特征词加权的微博评论聚类算法研究》2020.12.01
- 《表3 实验结果：基于用户兴趣的微博溯源算法》2020.12.15
- 《表2 混合矩阵：基于协同训练算法的微博垃圾评论识别》2020.10.01
- 《表3 转发抽奖类内容下的微博评论》2020.04.20
- 《表2：基于SVM算法的微博评论数据情感分析》2020.01.01
- 《表1：基于SVM算法的微博评论数据情感分析》2020.01.01
- 《表2 实验中的超参数：联合词性特征的微博文本命名实体识别》2019.10.01
- 《表2 用户评价关注点：基于支持向量机的微博电影评论情感分析——以《流浪地球》为例》2019.08.11
- 《表2 情感识别结果：基于表情符注意力机制的微博情感分析模型》2019.09.01
- 《表1 实验微博数据组成：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表4 模型-特征变量：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表6 模型评估：基于LDA和随机森林的微博谣言识别研究——以2016年雾霾谣言为例》2019.01.24
- 《表1 各种微博特征词识别算法应用于突发事件检测的性能指标对比分析》2018.06.25