使用Mahout，我能够对数据的情感进行分类。但我现在卡在了混淆矩阵上。

我使用Mahout 0.7版本的朴素贝叶斯算法来对推文的情感进行分类。我使用trainnb和testnb朴素贝叶斯分类器来训练分类器，并将推文的情感分类为“积极”、“消极”或“中性”。

示例积极训练集

      'positive','我爱我的iPhone'      'positive' , '拥有iPhone是一种享受'  

同样，我已经准备了消极和中性的训练样本，这是一个庞大的数据集。

我提供的样本测试数据推文不包括情感。

  '这是一个不错的型号'  '简直太棒了' 

我能够运行Mahout分类算法，它会以混淆矩阵的形式输出分类实例的结果。

下一步，我需要找出哪些推文显示出积极的情感，哪些是消极的。期望的输出是使用分类来标记文本的情感。

       'negative','非常糟糕的一生'      'positive' , 'iPhone的设计功能非常出色' 

在Mahout中，我需要实现哪个算法才能以这种格式获得输出。或者是否需要自定义源代码实现？

请“友好地”建议我Apache Mahout提供的适合我进行Twitter数据情感分析的算法。

回答：

一般来说，要对某些文本进行分类，你需要运行具有不同先验概率（在你的例子中是积极和消极）的朴素贝叶斯算法，然后选择结果值较大的那个。

Mahout书籍中的这一节有一些例子。请看列表2：

Parameters p = new Parameters();p.set("basePath", modelDir.getCanonicalPath());9Datastore ds = new InMemoryBayesDatastore(p);Algorithm a = new BayesAlgorithm();ClassifierContext ctx = new ClassifierContext(a,ds);ctx.initialize();....ClassifierResult result = ctx.classifyDocument(tokens, defaultCategory);

这里的result应该包含“positive”或“negative”标签。