无监督情感分析

我读了很多文章,这些文章解释了在情感分析系统真正运作之前,需要有一组初始文本,这些文本被分类为“积极”或“消极”。

我的问题是:是否有人尝试过仅仅通过对比“积极”形容词和“消极”形容词,并考虑到简单的否定词来避免将“not happy”归类为积极?如果有的话,有没有文章讨论这种策略为什么不现实?


回答:

Peter Turney的一篇经典论文(2002年)解释了一种进行无监督情感分析(积极/消极分类)的方法,仅使用excellentpoor作为种子集。Turney利用这两个形容词与其他词的互信息达到了74%的准确率。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注