《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》
提示：宽带有限、当前游客访问压缩模式
各基线模型及FTIA模型的超参数详细设置如表2所示。
| 图表编号 | XD00227027700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.09.25 |
| 作者 | 黄露、周恩国、李岱峰 |
| 绘制单位 | 中山大学资讯管理学院、中山大学资讯管理学院、中山大学资讯管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 参数设置：基于双向长效注意力特征表达的少样本文本分类模型研究》2020.10.25
- 《表1 数据集统计信息：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4 模型参数量：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：基于注意力机制的双层LSTM自动作文评分系统》2020.11.30
- 《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 超参数设置：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 对比模型参数设置：结合注意力机制和句子排序的情感分析研究》2020.07.01
- 《表2 参数设置：基于多层注意力机制的中文文本蕴涵识别方法》2020.08.16
- 《表2 参数设置：基于混合注意力机制的中文文本蕴含识别方法》2020.06.01
- 《表4 模型参数：预训练模型下融合注意力机制的多语言文本情感分析方法》2020.02.01
- 《表2 模型超参数：融合词结构特征的多任务老挝语词性标注方法》2019.11.01
- 《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2 基于双重注意力机制模型训练时的超参数数值》2019.10.15
- 《表1 模型结构参数：基于时频融合和注意力机制的深度学习行星齿轮箱故障诊断方法》2019.06.01
- 《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2 模型参数设置：结合自注意力机制和Tree-LSTM的情感分析模型》2019.07.01
- 《表3 超参数设置表：基于动态注意力GRU的特定目标情感分类》2019.08.20
- 《表2 模型超参数设置：基于图卷积神经网络和注意力机制的短时交通流量预测》2019.08.01