sentiment-analysis - 当一种算法说正面和一种负面时如何调整情绪分析?
问题描述
我目前正在做一个项目,我使用 [Google CNL] 1和 [PyFeel] 2对数据集进行情绪分析。
我已经阅读了很多关于如何调整分类器的文章和技巧,但我更多的是在寻找一些想法:当技术 1 说积极而技术 2 说消极时该怎么办?
在这种情况下我能做什么?
解决方案
在一般的机器学习案例中,这就是集成的全部内容:获取多个模型的输出并做出决定。因此,您可以在那里阅读大量文学作品。
当您有两个模型时,选择将归结为:
- 总结他们的信心
- 再信任一个
- 获得第三意见作为决胜局。
- 不做决定/升级给人类
如果这两个模型是二元分类器,那么你不能使用第一个想法(如果模型 A 说它是 +0.7 积极情绪,而模型 B 说它是 -0.4 消极情绪,那么总和是 +0.3,所以它是积极的)。
第二个想法,只有两个二元分类器模型,使您不太信任的模型毫无意义。但是,如果您有分数可以使用,它会很有用。扩展前面的例子,如果你信任模型 B 的两倍,+0.7 + (-0.4 * 2) = -0.1。
即因为你更信任模型 B,你允许它的 -0.4 覆盖模型 A 的 +0.7,并决定它是否定的。
推荐阅读
- c++ - 当主窗口保持在顶部时,子窗口被遮挡 - MacOS
- spring-boot - 在 Spring Boot Junit 中推入 @EmbeddedKafka 后从主题中获取数据
- javascript - 如何动态添加元素属性
- java - 如何合并表中相同的值?
- javascript - Node.js Map 中的最大条目数?
- php - 使用 BrowserSync 的 Gulp v.4 CSS 注入不起作用
- c++ - 如何在 C++ 中逐行填充二维数组(从 .txt 文件中读取)
- laravel - 基于 Laravel 子域的身份验证在生产中不起作用
- elasticsearch - 我可以将两个 couchbase 存储桶复制到单个弹性索引中吗?
- javascript - 茉莉花测试,.not.toHaveBeenCalled();