《表2 评论-特征矩阵：一种基于评论分析双层图的推荐方法》
提示：宽带有限、当前游客访问压缩模式
基于评论对不同特征的情感倾向，可以得到一个评论-特征矩阵，如表2所示.
| 图表编号 | XD0079866800 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 陈晋音、陈一贤、林翔、吴洋洋 |
| 绘制单位 | 浙江工业大学信息学院、浙江工业大学信息学院、浙江工业大学信息学院、浙江工业大学信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 全样本的估计结果：基于地理-社会-评论关系的典型化兴趣点推荐方法》2019.11.01
- 《表3 调查对象基本情况：基于地理-社会-评论关系的典型化兴趣点推荐方法》2019.11.01
- 《表2 生物样品分析方法：基于地理-社会-评论关系的典型化兴趣点推荐方法》2019.11.01
- 《表2 实验结果：一种基于深度学习的科普文章评论情感分析》2018.07.20
- 《表2 评论表结构：融合多元异构信息的矩阵分解推荐算法》2020.07.01
- 《表5 模型的比较：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表4 评论数据统计信息：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表3 商品评分统计信息：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表2 数据集基本信息：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表7 二阶交互类型：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表6 结果对比：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表1 符号定义：基于评分矩阵与评论文本的深度推荐模型》2020.05.01
- 《表4 模型实验参数设置：基于Bi-GRU和双层注意力机制的商品评论情感分析》2020.02.01
- 《表1 特征列表：一种基于评论分析双层图的推荐方法》2019.06.01
- 《表1 评论的分类：一种基于支持向量机和主题模型的评论分析方法》2019.05.01
- 《表1 评论的分类：一种基于支持向量机和主题模型的评论分析方法》2019.05.01
- 《表3 调查问卷：一种基于支持向量机和主题模型的评论分析方法》2019.05.01
- 《表2 代价矩阵：一种基于支持向量机和主题模型的评论分析方法》2019.05.01
- 《表2 基于评论结构、评论者、被评论产品方法的特征维度、特征及其示例文献表》2019.06.01
- 《表2 情感倾向词举例：基于在线评论情感分析的改进协同过滤推荐模型》2019.02.20