《表2 超参数设置：一种粒度融合的新闻文本主题分类模型》
提示：宽带有限、当前游客访问压缩模式
本文采用Adam作为模型优化器，使用mini-Batch进行批量训练．模型主要超参数如表2所示．
| 图表编号 | XD00199016900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.11.01 |
| 作者 | 杨春霞、李锐、秦家鹏 |
| 绘制单位 | 南京信息工程大学自动化学院、江苏省大数据分析技术重点实验室、南京信息工程大学自动化学院、南京信息工程大学自动化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 各模型超参数设置：融合特定任务信息注意力机制的文本表示学习模型》2020.09.25
- 《表2 超参数设置：基于迁移学习的细粒度实体分类方法的研究》2020.08.01
- 《表2 模型超参数设置：利用层级交互注意力的文本摘要方法》2020.10.01
- 《表2 模型参数设置：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表1 实验平台设置：一种粒度融合的新闻文本主题分类模型》2020.11.01
- 《表2 模型参数设置：基于BERT和双通道注意力的文本情感分类模型》2020.07.01
- 《表2 实验参数设置：基于联合模型的多标签文本分类研究》2020.07.15
- 《表1 模型参数设置：一种结合压缩激发块和CNN的文本分类模型》2020.09.01
- 《表3 模型参数设置：一种基于循环神经网络的电网客服语音文本实体识别算法》2020.06.05
- 《表2 超参数设置：一种改进的医疗文本分类模型:LS-GRU》2020.07.15
- 《表2 卷积神经网络参数：融合多粒度信息的文本向量表示模型》2019.09.25
- 《表1 混淆矩阵：融合多粒度信息的文本向量表示模型》2019.09.25
- 《表1 评分语料分布表：一种融合主题模型的短文本情感分类方法》2019.10.01
- 《表2 评价指标含义：一种融合主题模型的短文本情感分类方法》2019.10.01
- 《表2 参数设置：融合注意力机制的多通道卷积与双向GRU模型的文本情感分析研究》2019.10.01
- 《表3 模型超参数设置：一种基于双向LSTM的联合学习的中文分词方法》2019.10.01
- 《表1 对比实验参数设定：面向跨语言文本分类与标签推荐的带标签双语主题模型的研究》2019.10.01
- 《表4 超参数设置：结合产品特征的评论情感分类模型》2019.08.15
- 《表2 模型参数设置：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01
- 《表1 实现结果比较：一种基于CNN与双向LSTM融合的文本情感分类方法》2019.12.01