《表1 实验结果对比：基于多媒体信息的双向LSTM情感分析方法》
提示：宽带有限、当前游客访问压缩模式
分别选择2大类算法进行比较，即SVM类算法和神经网络类算法。实验结果如表1所示。
| 图表编号 | XD0036259700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.02.01 |
| 作者 | 丁岩、鲍焱、胡晓 |
| 绘制单位 | 南京中兴新软件有限责任公司、江苏省大数据存储及应用重点实验室、南京中兴新软件有限责任公司、江苏省大数据存储及应用重点实验室、南京中兴新软件有限责任公司、江苏省大数据存储及应用重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1：不同模型实验结果：基于Multi-attention的文本语音多媒体情感分析》2020.10.01
- 《表2 实验结果对比：一种基于LSTM和CNN混合模型的文本分类方法》2020.06.01
- 《表3 基于ResNet和双向LSTM融合模型分类预测实验结果》2020.08.25
- 《表1 属性词标记示例：一种基于CRF与ATAE-LSTM的细粒度情感分析方法》2020.03.25
- 《表2 实验结果：一种基于CRF与ATAE-LSTM的细粒度情感分析方法》2020.03.25
- 《表1 语音特征表：基于双向LSTM神经网络和注意模型的语音情感分析》2020.01.01
- 《表1 1 结果对比分析：基于OCC模型和LSTM模型的财经微博文本情感分类研究》2020.01.24
- 《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3 实验参数设置：基于注意力机制的卷积-双向长短期记忆模型跨领域情感分类方法》2019.08.10
- 《表1 实验环境配置：基于多通道LSTM-CNN模型的Twitter情感分析》2019.06.30
- 《表1 参数调节：基于双向多维度自注意力机制的文本情感分析方法》2019.05.15
- 《表5 实验对比结果：融合多层注意力机制与双向LSTM的语义关系抽取》2019.07.15
- 《表1 实验数据统计：基于深层注意力的LSTM的特定主题情感分析》2019.04.01
- 《表2 应用示例：基于多媒体信息的双向LSTM情感分析方法》2019.02.01
- 《表4 模型实验结果：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表1 三种语料库信息：基于双向LSTM和GBDT的中医文本关系抽取模型》2019.12.01
- 《表3 分类判别混淆矩阵：基于word2vec和双向LSTM的情感分类深度模型》2019.12.01
- 《表4 实验参数设置：基于word2vec和双向LSTM的情感分类深度模型》2019.12.01
- 《表1 语料集合样例：基于word2vec和双向LSTM的情感分类深度模型》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