《表3 自适应学习相似度阈值和自适应更新话题实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于双向量模型的自适应微博话题追踪方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本实验的目的是检验相似度阈值自适应学习策略以及话题模型更新策略的有效性.为了区分SADV-TT方法是否实现话题模型更新，将未实现话题模型更新步骤的SADV-TT方法简称为DV-ATTA方法.实验通过比较SADV-TT方法与DV-ATTA方法以及DoubelVector-TT方法在3个话题上的平均漏检率、平均误检率以及平均（CDet）norm指标来评估方法的优劣，进而检验相似度阈值自适应学习策略以及话题模型更新策略的有效性.其中DV-ATTA方法和SADV-TT方法的相关时隙设置为4.表3给出反馈阈值δ自适应学习以及话题模型更新的实验结果.由于最低阈值仅与反馈阈值差一个常量C，表3也可以同时表示最低阈值的实验结果.