《表2 机器学习模型评价：基于机器学习的历史气候重建论文智能识别与数据挖掘初探》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的历史气候重建论文智能识别与数据挖掘初探》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

但是，从ResearchGate数据集中分离出的两类文本的词频特征与上述NCDC范例数据的词频特征具有较为明显的差异。例如，在ResearchGate的重建文本中，“century”的频次极低，大幅低于NCDC中的频次，而“year”的频次较高，大幅高于NCDC中的频次；同样的，在ResearchGate的其他文本中，“change”的频次较低，大幅低于NCDC中的频次，而“glacial”、“water”的频次较高，大幅高于NCDC中的频次。形成这些差异的原因较为复杂，其中最主要的一个因素可能是样本量。NCDC的样本量是1000余篇，ResearchGate的样本量高达70余万篇。样本量增加意味着研究主题增加和作者数量增加，由此则导致文本表达的多样性更加丰富，一则表现为主题词多样性增加，二则表现为措辞类型更加多样。最终使得ResearchGate与NCDC同类型文本的词云图能够共同反映重建（研究）的基本特征，但是也呈现出较为明显的差异。