《表2 语料库标注：基于方面级的餐厅用户评论细粒度情感分析》
提示：宽带有限、当前游客访问压缩模式
每个细粒度要素的情感倾向有4种状态：正向、中性、负向、未提及。使用[1，0，-1，-2]四个值对情感倾向进行描述。每条语料都给予了如表2的所有标注。
| 图表编号 | XD0073060800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.01 |
| 作者 | 袁丁、章剑林、吴广建 |
| 绘制单位 | 杭州师范大学阿里巴巴商学院、杭州师范大学阿里巴巴商学院、杭州师范大学阿里巴巴商学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表8 倾向得分匹配检验：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表7 冒口九点化学成分：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表5 典型坝段计算结果：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表2 未处治改善层要求：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表1 不同板厚系列工况：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表1 1 方差分析结果：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表6 工艺参数空碳比：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表数据治理实施要点：融合情感词典和语义规则的微博评论细粒度情感分析》2020.11.15
- 《表4 黏贴法掉毛测试：基于记忆增强和知识迁移的方面级用户评论情感分析》2020.12.31
- 《表1 数据源1：基于记忆增强和知识迁移的方面级用户评论情感分析》2020.12.31
- 《表2 基线系统实验结果：基于PreLM-FT细粒度情感分析的餐饮业用户评论挖掘》2020.04.25
- 《表5 各属性满意度：基于PreLM-FT细粒度情感分析的餐饮业用户评论挖掘》2020.04.25
- 《表1 数据集数量：基于PreLM-FT细粒度情感分析的餐饮业用户评论挖掘》2020.04.25
- 《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2 规则覆盖率：面向方面记忆网络的IT产品细粒度情感分析》2020.02.01
- 《表4 评价指标：基于方面级的餐厅用户评论细粒度情感分析》2019.08.01
- 《表2 可调参数设定：基于卷积神经网络的细粒度情感分析方法》2019.01.25
- 《表1 语料数据集：基于卷积神经网络的细粒度情感分析方法》2019.01.25
- 《表3 混淆矩阵：基于卷积神经网络的细粒度情感分析方法》2019.01.25
- 《表1.标注体系与示例：基于俄汉新闻网评可比语料库的情感分析研究》2019.03.15