【问题标题】:Sentiment Analysis using perceptron使用感知器进行情绪分析
【发布时间】:2013-11-15 21:26:32
【问题描述】:

我正在尝试使用感知器实现情感分析,以在 python 中获得更好的准确性。我迷失在围绕它的数学中,需要简单解释如何移植它以用于情绪分析。已经有一篇论文发表在同一篇论文上:http://aclweb.org/anthology/P/P11/P11-1015.pdf

这里有人能详细解释清楚吗?我有一个训练数据集和测试数据集,每个数据集包含 5000 条评论,并且在词袋方面获得了 78% 的准确率。有人告诉我,感知器会给我 88% 的准确率,我很想实现它。

【问题讨论】:

  • 嗨!你从哪里听说你可以得到 88% 的准确率?那是完全相同的数据集吗? (in many models,参数的选择甚至构建特征向量的方式都可能对成功产生重大影响。)

标签: machine-learning nlp neural-network sentiment-analysis perceptron


【解决方案1】:

感知器只是一个简单的二元分类器,它处理来自 R^n 的固定大小的向量作为输入数据。因此,为了使用它,您必须将每个文档编码为这样的实值向量。例如,它可以是词袋表示(其中每个维度对应于一个词,值对应于出现次数),或任何“更复杂”的表示(其中一个在附件中进行了描述)。

因此,为了将感知器“移植”到情感分析中,您必须找出一些函数 f,它与文档一起返回实值向量,然后在对上训练您的感知器

(f(x),0) 用于负面评论

(f(x),1) 表示正面评价

【讨论】:

    猜你喜欢
    • 2015-09-23
    • 2012-05-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2017-11-06
    • 2022-01-10
    • 1970-01-01
    • 1970-01-01
    相关资源
    最近更新 更多