《表1 1 微博情感倾向分析结果》
提示：宽带有限、当前游客访问压缩模式
识别情感要素后，基于复杂句式对微博进行情感倾向性分析，并与传统的朴素贝叶斯分类方法进行比较，结果如表11所示。
| 图表编号 | XD0090282300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 刘丽、岳亚伟 |
| 绘制单位 | 山西农业大学软件学院、山西农业大学软件学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表5 6种类型微博账户发布的热门微博情感倾向百分比分布》2020.10.01
- 《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3 对比实验结果：融合情感特征的深度学习微博情感分析》2020.10.20
- 《表1 微博文本示例：融合情感特征的深度学习微博情感分析》2020.10.20
- 《表2 模型对比实验结果：多特征融合的图文微博情感分析》2020.07.05
- 《表1 情感倾向统计结果：巴马养生旅游游客网络评论的情感特征分析》2020.04.01
- 《表4 结果对比：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表3 实验参数设置：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表1 分词结果：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表2 词向量：双向GRU和自注意力机制下微博情感倾向性分析》2020.04.01
- 《表4 实验参数设置：基于双重注意力模型的微博情感倾向性分析》2020.03.30
- 《表8 实验结果：基于性格的微博情感分析模型PLSTM》2020.02.01
- 《表3 微博博文高频情感词情感倾向占比情况》2019.10.01
- 《表1 1 结果对比分析：基于OCC模型和LSTM模型的财经微博文本情感分类研究》2020.01.24
- 《表1 0 情感要素识别：面向高校学生微博的跨粒度情感分析》2019.06.01
- 《表2 情感识别结果：基于表情符注意力机制的微博情感分析模型》2019.09.01
- 《表1 情感词示例：微博情感分析的情感词典构造及分析方法研究》2019.02.10
- 《表3“英国报姐”新浪微博各阶段微博情感倾向及占比》2019.12.15