《表2 实验数据集：基于OTSRM模型的话题情感演化分析》
提示：宽带有限、当前游客访问压缩模式
本文实验数据来源于新浪新闻和腾讯新闻。通过GooSeeker[19]网络爬虫软件筛选了5个网络热点事件作为实证分析案例，具体数据统计信息如表2所示。
| 图表编号 | XD0055815000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.24 |
| 作者 | 王凯、潘玮、杨宝华 |
| 绘制单位 | 蚌埠医学院卫生管理系、蚌埠医学院卫生管理系、安徽农业大学信息与计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 数据集：基于并行混合网络融入注意力机制的情感分析》2020.09.10
- 《表2 部分观点情感特征：基于情感分析的微博热点话题用户群体划分模型》2021.02.25
- 《表1 部分特征词及词频：基于情感分析的微博热点话题用户群体划分模型》2021.02.25
- 《表5 实验数据集信息表：基于长短期记忆网络的社区演化预测》2020.12.05
- 《表5 数据集信息：基于民调与网民情感倾向性的选情预测模型》2020.12.15
- 《表2 数据集统计：基于BiLSTM+Attention的体育领域情感分析研究》2020.05.01
- 《表2 数据集：基于BGRU和自注意力机制的情感分析》2020.08.28
- 《表3 实验数据集：基于机器学习的外汇新闻情感分析》2020.06.16
- 《表2 观点对抗性表：基于主题模型和情感分析的话题交互数据观点对抗性分析》2020.07.25
- 《表4 话题情感分析结果：基于MOOC课程评论的话题挖掘与情感分析研究》2020.08.15
- 《表1：数据集描述：基于电商产品评论数据的情感分析》2020.06.01
- 《表2 数据集分布：基于BERT的文本情感分析》2020.03.05
- 《表3 情感值计算规则：基于情感挖掘和话题分析的旅游舆情危机演化特征——以“丽江女游客被打”事件为例》2019.09.06
- 《表1 数据集详细信息：基于CNNGRU-Attention模型的文本情感分析》2019.09.25
- 《表1 实验数据集：基于双向量模型的自适应微博话题追踪方法》2019.06.01
- 《表4 训练数据集：基于情感的社会网传播模型及影响最大化算法研究》2019.07.01
- 《表3 微博数据集：基于情感的社会网传播模型及影响最大化算法研究》2019.07.01
- 《表2 数据集：基于CNN-LSTM模型的短文本情感分类》2019.07.10
- 《表3 数据集的参数：基于在线评论情感分析的改进协同过滤推荐模型》2019.02.20
- 《表1 数据集：基于BiGRU-attention神经网络的文本情感分类模型》2019.12.01