sentiment-analysis - 当一种算法说正面和一种负面时如何调整情绪分析？

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？

标签： sentiment-analysis

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：

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。