《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》
提示：宽带有限、当前游客访问压缩模式
实验在内存为8 GB的Ubuntu系统上进行，采用Python语言进行编程。模型中的超参数设置如表3所示。
| 图表编号 | XD0090318300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 章登义、胡思、徐爱萍 |
| 绘制单位 | 武汉大学计算机学院、武汉大学计算机学院、武汉大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 超参数设置：基于迁移学习的细粒度实体分类方法的研究》2020.08.01
- 《表4 实验参数设置：基于LSTM的学习成绩预测及其影响因素方法研究》2020.12.01
- 《表3 Bi-LSTM网络模型的关键超参数设置》2020.11.28
- 《表3 部分实验参数设置：基于ERNIE-BiGRU模型的中文文本分类方法》2020.08.01
- 《表3 中文分词相关的多任务联合模型文献分析》2020.03.25
- 《表3 模型参数设置：肝癌患者在线提问的命名实体识别研究:一种基于迁移学习的方法》2019.12.25
- 《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 雷达参数设置：一种基于集成学习的DBN模型分类方法》2019.10.01
- 《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 实验参数设置：基于注意力机制的卷积-双向长短期记忆模型跨领域情感分类方法》2019.08.10
- 《表5 模型训练参数：基于BiLSTM-CRF的中文层级地址分词》2019.08.25
- 《表1例3的标注结果：基于多任务学习的中文事件抽取联合模型》2019.04.01
- 《表3 模型参数设置：融合语法规则的Bi-LSTM中文情感分类方法研究》2019.11.25
- 《表4 实验参数设置：基于word2vec和双向LSTM的情感分类深度模型》2019.12.01
- 《表1 实现结果比较：一种基于CNN与双向LSTM融合的文本情感分类方法》2019.12.01