《表2 语料数据统计：面向BSP-CNN的短文本情感倾向性分类研究》
提示：宽带有限、当前游客访问压缩模式
本文实验使用两个短文本评论数据集，一个是谭松波教授整理标注的酒店评论数据集，另一个是6万多条带情感标注的电商评论数据，具体情况如表2所示。
| 图表编号 | XD003711400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 廖小琴、徐杨 |
| 绘制单位 | 贵州大学大数据与信息工程学院、贵州大学大数据与信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 分类准确度对比：面向短文本情感分类的端到端对抗变分贝叶斯方法》2020.09.10
- 《表1 数据集统计信息：面向短文本情感分类的端到端对抗变分贝叶斯方法》2020.09.10
- 《表4 游客评论文本情感倾向性统计》2020.12.20
- 《表3 数据集的统计信息：面向短文本情感分析的多特征融合方法研究》2020.06.01
- 《表2 实验环境配置：面向短文本情感分析的多特征融合方法研究》2020.06.01
- 《表2 测试结果对比：面向企业信息推送的短文本有监督分类》2020.03.25
- 《表7 分类结果混淆矩阵：基于社交关系增强的短文本情感分析方法》2020.09.15
- 《表2 实验参数设置：结合LDA与Self-Attention的短文本情感分类方法》2020.09.15
- 《表1 实验环境配置：结合LDA与Self-Attention的短文本情感分类方法》2020.09.15
- 《表1 文本情感分析语料数据集样例表》2020.04.01
- 《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 评测指标相关关系：基于并行混合神经网络模型的短文本情感分析》2019.08.10
- 《表2 数据集：基于CNN-LSTM模型的短文本情感分类》2019.07.10
- 《表1 二值分类连列表：面向Twitter情感分析的文本预处理方法研究》2019.04.25
- 《表2 情感程度权重：基于融合算法的短文本评论情感分析》2019.11.25
- 《表1 情感词集：基于融合算法的短文本评论情感分析》2019.11.25
- 《表3 实验参数配置：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01
- 《表4 分类结果混淆矩阵：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01
- 《表1 词向量训练参数：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01