Bon algorithme pour l'analyse des sentiments
J'ai essayé naïf classificateur de bayes, et ça fonctionne très mal. SVM fonctionne un peu mieux, mais toujours horrible. La plupart des papiers que j'ai lu à propos de SVM et naive bayes, avec quelques variantes(n-gram, POS, etc), mais tous d'entre eux donne des résultats proches de 50% (les auteurs des articles parlent de 80% et élevé, mais je cannt pour obtenir la même précision sur des données réelles).
Est-il plus puissant méthodes à l'exception lexixal analys? SVM et Bayes supposons que les mots indépendants. Ces approche dite de "sac de mots". Si nous supposons que les mots sont associés?
Par exemple: Utilisation de apriory algorithme pour détecter si des phrases contenant "mauvais et horrible", puis 70% probality cette phrase est négative. Aussi, nous pouvons utiliser la distance entre les mots et ainsi de suite.
Est-ce une bonne idée ou je suis d'inventer de vélo?
OriginalL'auteur Neir0 | 2012-06-11
Vous devez vous connecter pour publier un commentaire.
Algorithmes comme les SVM, Naïve Bayes et de maximum d'entropie sont supervisés algorithmes d'apprentissage automatique et de la sortie de votre programme dépend de l'ensemble de la formation que vous avez fournis.
À grande échelle de l'analyse de sentiment, je préfère utiliser l'apprentissage non supervisé méthode dans laquelle on peut déterminer les sentiments des adjectifs par clustering de documents dans la même orienté parties, et de l'étiquette, les pôles positif ou négatif. Plus d'informations peuvent être trouvées à partir de ce document.
http://icwsm.org/papers/3--Godbole-Srinivasaiah-Skiena.pdf
Espère que cela vous aide dans votre travail 🙂
OriginalL'auteur Aravind Asok
Vous êtes confus d'un couple de concepts ici. Ni Naïf de Bayes, ni les SVMs sont attachées au sac de mots approche. Ni les SVMs, ni l'ARC approche ont une hypothèse d'indépendance entre les termes.
Voici quelques choses que vous pouvez essayer:
Je n'ai pas tout de suite voir comment vous voulez l'appliquer. Je n'ai également jamais vu les tentatives de faire de l'analyse de sentiment avec elle. Je sais que certaines personnes l'utilisent pour construire des approximations quadratiques noyau (à peu près ce que vous appelez "les associations de mots"), mais je vais essayer de vanille noyau SVM en premier.
Moyen simple est de jetons d'entrée avec badge neg ou d'encaissement. Par exemple: "pos j'aime ma maman". En sortie j'obtiens quelque chose comme "si nous avons de l'amour et de la maman en senteces de 70% que nous avons pos badge". Bien sûr, nous pouvons modifier cette approche pour de meilleurs résultats.
bien sûr, c'est une approche que l'on pourrait essayer. Il ne semble pas exagéré, si -- IIUC, Apriorique est destinée à trouver arbitraire des associations entre les éléments dans son entrée, alors que c'est une tâche de classification, où vous , qui à la propriété de l'entrée que vous voulez prévoir (polarité); il semble que vous êtes de jeter des connaissances sur la tâche.
OriginalL'auteur Fred Foo
Vous pouvez trouver quelques informations utiles sur Sentimnetal analyse à l'aide de python.
Cette présentation résume le Sentiment que l'Analyse de 3 étapes simples
OriginalL'auteur Nitin Pawar
L'Analyse des sentiments est un domaine de recherche en cours. Et il y a beaucoup de recherche sur la droite maintenant. Pour un aperçu de la plus récente, la plupart des approches couronnées de succès, je voudrais généralement vous des conseils pour avoir un look à la partagé les tâches de SemEval. Habituellement, chaque année, ils organisent un concours sur l'Analyse des Sentiments dans Twitter. Vous pouvez trouver le document décrivant la tâche, et les résultats pour 2016 ici (peut-être un peu technique tout de même): http://alt.qcri.org/semeval2016/task4/data/uploads/semeval2016_task4_report.pdf
A partir de là, vous pouvez jeter un oeil dans les documents décrivant les différents systèmes (citées).
OriginalL'auteur buechel