《表2 分词结果示例：基于深度神经网络模型的中文分词方案》
提示：宽带有限、当前游客访问压缩模式
表2列出了提出的方案对测试数据集的分词结果示例。
| 图表编号 | XD0064254000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.09.05 |
| 作者 | 许峰、张雪芬、忻展红 |
| 绘制单位 | 北京邮电大学经济管理学院、北京联合大学智慧城市学院、北京邮电大学经济管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 部分分词结果示例：基于BiLSTM-CRF的中医文言文文献分词模型研究》2020.11.05
- 《表1 基于机器学习和深度学习模型的古文自动分词研究汇总》2021.01.01
- 《表3 中文分词相关的多任务联合模型文献分析》2020.03.25
- 《表2 各类字位标注集：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表3 数据集统计信息：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表5 神经网络超参数：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表1 字位标注示例：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表4 实验环境：无池化层卷积神经网络的中文分词方法》2020.01.15
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表4 与其他模型对比：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表5 参数设置：基于膨胀卷积神经网络模型的中文分词方法》2019.09.01
- 《表1 模型中的参数值：基于联合学习的跨领域法律文书中文分词方法》2019.09.01
- 《表3 不同分词结果对比：基于深度学习和迁移学习的领域自适应中文分词》2019.09.01
- 《表1 相关分词规定：基于深度学习和迁移学习的领域自适应中文分词》2019.09.01
- 《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2 最优参数表：窥视孔连接的循环网络在中文分词上的研究》2019.10.01
- 《表1 不同中文分词方案的性能比较》2019.09.05
- 《表2 中文分词结果：基于规则和N-Gram算法的新词识别研究》2019.02.15
- 《表2 词位标注集：基于BiLSTM-CRF的中文层级地址分词》2019.08.25
- 《表5 模型训练参数：基于BiLSTM-CRF的中文层级地址分词》2019.08.25