《表4 IMDB和Elec数据集是情感分类, RCV1和20NG是主题分类》
提示：宽带有限、当前游客访问压缩模式
这里使用4个基准数据集:IMDB、Elec、RCV1和20-newsgroup，得到的结果显示在表4中。
| 图表编号 | XD0050406100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 王星峰 |
| 绘制单位 | 辽东学院信息工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 部分主题词集：基于语境分类与遗传算法的微博情感分析方法》2021.01.15
- 《表4 数据集IMDB的分类结果》2021.02.01
- 《表4 IPD-NMA的研究主题和关注的干预措施分类》2020.06.28
- 《表3 实验参数设置：基于深度BLSTM和分类元数据的自定义情感分类》2020.09.01
- 《表1 实验平台设置：基于深度BLSTM和分类元数据的自定义情感分类》2020.09.01
- 《表1 情感分类：基于情感分析的景点评论主题挖掘》2020.08.25
- 《表5 三种算法在数据集Rcv1上的线性分类结果》2020.01.30
- 《表3 情感分类和相关术语数量》2020.01.01
- 《表1 针对不同元数据文本篇幅、文本语言和主题个数的WMS主题分类结果对比》2019.11.05
- 《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4 主题词关联分析：基于情感分类和主题建模的患者体验分析》2019.08.20
- 《表5 主题分析结果：基于情感分类和主题建模的患者体验分析》2019.08.20
- 《表2 实验结果：基于情感分类和主题建模的患者体验分析》2019.08.20
- 《表2 情感文本数据集：一种结合随机游走和粗糙决策的文本分类方法》2019.06.01
- 《表4“创客马拉松”的分类和典型主题》2019.04.10
- 《表1 情感词典分类：基于机器学习与情感词典的文本主题概括及情感分析》2019.04.15
- 《表1 在IMDB和APD上的情感分类准确率Tab.1 Sentiment classification accuracy rate on IMDB and APD data sets》2018.04.25
- 《表4 2012—2018公开发表的主要文献汇总(绘画情感和复杂度分类)》2019.11.16
- 《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