在使用SVMlight或LIBSVM进行情感分析，将短语分类为正面或负面时，有没有办法确定哪些词对算法决策影响最大？例如，发现"good"这个词有助于将一个短语判定为正面，等等。

回答：

如果你使用线性核，那么答案是肯定的 – 只需计算权重向量：

w = SUM_i y_i alpha_i sv_i

其中：

• sv – 支持向量
• alpha – 使用SVMlight找到的系数
• y – 对应的类别（+1或-1）

（在某些实现中，alpha已经乘以y_i，因此它们是正值或负值）

一旦你得到了w，它是1 x d的维度，其中d是你的数据维度（词袋/tfidf表示中的词数），只需选择绝对值较高的维度（无论是正值还是负值），以找出最重要的特征（词）。

如果你使用某种核（如RBF），那么答案是否定的，没有直接的方法提取最重要的特征，因为分类过程是以完全不同的方式进行的。