《表3 训练语料格式：融入多特征的汉韩双语自动句对齐方法》
提示：宽带有限、当前游客访问压缩模式
训练语料的格式为一行文本，即“汉语韩语对齐标志”，其中对齐标志“1”表示对齐，“0”表示未对齐，语料的具体格式见表3。
| 图表编号 | XD00192315200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.01 |
| 作者 | 刘晨阳、唐慧丰 |
| 绘制单位 | 信息工程大学洛阳校区、信息工程大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 特征向量组合：一种联合多特征的极化SAR海冰类型提取方法》2020.08.20
- 《表4 SVM实验结果：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表2 上下文特征模板：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表6 对比实验结果：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表3 标注示例：融合多特征的老挝机构名实体识别方法》2020.10.01
- 《表2 原始语料格式：融入多特征的汉韩双语自动句对齐方法》2021.01.01
- 《表3 分词结果：融入多特征的汉-老双语对齐方法》2020.03.15
- 《表1 老挝语-中文对照：融入多特征的汉-老双语对齐方法》2020.03.15
- 《表4 部分数字特征：融入多特征的汉-老双语对齐方法》2020.03.15
- 《表5 实验结果：融入多特征的汉-老双语对齐方法》2020.03.15
- 《表A2具体缺陷文本的依存句法分析训练语料格式》2020.06.25
- 《表6 实验硬件资源：融合多特征的Android恶意软件检测方法》2020.01.10
- 《表3 融合步骤得分：融合多特征的视频帧间篡改检测算法》2020.02.15
- 《表2“中日对译语料库”汉语原文中“—量词”存在句的汉日对译情况+》2019.06.25
- 《表2 形状特征参数值：基于多特征的SVM多分类PCB焊点缺陷检测方法》2019.06.25
- 《表3 分类准确率：基于多特征的SVM多分类PCB焊点缺陷检测方法》2019.06.25
- 《表1 焊点样本：基于多特征的SVM多分类PCB焊点缺陷检测方法》2019.06.25
- 《表4 实验数据情况：基于汉盲对照语料库和深度学习的汉盲自动转换》2019.04.01
- 《表3 评测数据统计：融合多特征的中文集成实体链接方法》2019.01.01
- 《表3 分段结果分析表：满族典籍平行语料库对齐方法与评价——以《尼山萨满》为例》2018.05.01