《表1 评分语料分布表：一种融合主题模型的短文本情感分类方法》
提示：宽带有限、当前游客访问压缩模式
经过上述步骤处理之后的评论样本分布如表1所示.
| 图表编号 | XD0096860200 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 吴彦文、黄凯、王馨悦、林娴 |
| 绘制单位 | 华中师范大学物理科学与技术学院、华中师范大学物理科学与技术学院、华中师范大学信息管理学院、华中师范大学物理科学与技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 实验平台设置：一种粒度融合的新闻文本主题分类模型》2020.11.01
- 《表2 超参数设置：一种粒度融合的新闻文本主题分类模型》2020.11.01
- 《表7 分类结果混淆矩阵：基于社交关系增强的短文本情感分析方法》2020.09.15
- 《表2 实验参数设置：结合LDA与Self-Attention的短文本情感分类方法》2020.09.15
- 《表1 实验环境配置：结合LDA与Self-Attention的短文本情感分类方法》2020.09.15
- 《表1 积极评论准确率：一种融合情感规则与机器学习的情感分类方法》2020.06.30
- 《表1 情感要素字典：多元特征融合的GRU神经网络文本情感分类模型》2019.10.01
- 《表2 评价指标含义：一种融合主题模型的短文本情感分类方法》2019.10.01
- 《表1 文本情感决策表：一种结合随机游走和粗糙决策的文本分类方法》2019.06.01
- 《表2 情感文本数据集：一种结合随机游走和粗糙决策的文本分类方法》2019.06.01
- 《表3 情感词汇示例：一种结合随机游走和粗糙决策的文本分类方法》2019.06.01
- 《表2 数据集：基于CNN-LSTM模型的短文本情感分类》2019.07.10
- 《表3 实验效果对比：基于融合算法的短文本评论情感分析》2019.11.25
- 《表2 情感程度权重：基于融合算法的短文本评论情感分析》2019.11.25
- 《表1 情感词集：基于融合算法的短文本评论情感分析》2019.11.25
- 《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
- 《表2 语料数据统计：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01
- 《表4 分类结果混淆矩阵：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01
- 《表1 词向量训练参数：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01
- 《表3 实验参数配置：面向BSP-CNN的短文本情感倾向性分类研究》2019.12.01