《表2 不同算法准确度对比》
提示：宽带有限、当前游客访问压缩模式
本文还使用了最常见的神经网络的分类模型CNN以及RNN对文本数据进行了分类，与本文的模型进行了对比，对比结果见表2。可以看到本次研究结果是优于传统的文本分类的，这表明了本文提出的方法对半监督文本分类具有不错的分类效果。究其原因有以下三点:
| 图表编号 | XD00192317000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2021.01.01 |
| 作者 | 姚婷婷、刘国华 |
| 绘制单位 | 东华大学计算机科学与技术学院、东华大学计算机科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 不同算法的预测准确度对比实验结果单位：%》2020.10.10
- 《表2 新疆A光伏电场不同算法准确率平均值对比》2020.10.05
- 《表4 不同目标检测算法的准确率对比结果》2019.12.25
- 《表6 不同算法的分类准确率对比》2020.06.16
- 《表4 不同人脸识别算法识别准确率对比》2020.09.01
- 《表3 不同算法的分割准确率对比》2020.08.20
- 《表3 不同算法细粒度分类准确率对比》2020.10.15
- 《表6 不同算法识别准确率对比》2020.08.20
- 《表3 不同的弱监督算法分类准确率对比》2020.06.25
- 《表2 不同分类算法下的准确率对比》2020.04.16
- 《表3 不同数据集上不同算法对齐准确率的对比》2020.01.30
- 《表7 不同算法的运行结果准确度对比》2020.03.26
- 《表8 不同算法的分类精确度对比》2019.09.30
- 《表1 本文算法与三种不同算法识别准确率的对比》2019.11.20
- 《表3 数据集不同算法的准确度对比》2019.09.15
- 《表5 3种算法不同召回率下平均准确度对比》2019.09.30
- 《表5 LS数据集上不同算法准确率对比》2019.06.01
- 《表2 OT数据集上不同算法准确率对比》2019.06.01
- 《表2 不同算法准确率对比》2019.06.01
- 《表1 不同阈值组合下的算法的准确度对比》2019.12.01