簡體 English 中英

二元vs tfidf Ngram在情緒分析/分類任務中的特征比較？

[英]Comparison of binary vs tfidf Ngram features in sentiment analysis / classification tasks?

原文 2013-01-26 19:19:52 2 1 machine-learning/ nlp/ artificial-intelligence/ n-gram/ tf-idf

再簡單的問題：使用Ngrams（unigram / bigrams等）作為簡單的二進制特征或者更確切地說在支持Vectory Machine等ML模型中使用它們的Tfidf分數來執行情緒分析或文本分類/分類等NLP任務是否更好？

1 個解決方案

正如史蒂夫在評論中提到的那樣，最好的答案（以及ML風格的方式）就是嘗試！

話雖這么說，我會從二進制功能開始。 像SVM這樣的ML模型的目標是確定這些特征的“權重”，因此如果它有效，則不必提前設置此權重（使用TFIDF或其他）。

分類LDA與TFIDF

[英]Classification LDA vs. TFIDF

基於SVM的情感分析功能

[英]Features in SVM based Sentiment Analysis

分類：推文情緒分析 - 步驟順序

[英]Classification: Tweet Sentiment Analysis - Order of steps

使用Maxent模型進行情感分析的功能

[英]Features for sentiment analysis using Maxent model

具有字符/字符串特征的二進制分類

[英]Binary Classification with char/string features

如何使用scikit-learn計算分類報告以進行情感分析

[英]how to compute the classification report for sentiment analysis with scikit-learn

KNN分類器情感分析與分類分析精度

[英]KNN classifier sentiment analysis vs category analysis precision

TFIDF 和多語言文本分類

[英]TFIDF and Multilingual Text Classification

二進制分類與多分類

[英]Binary Classification vs. Multi Class Classification

將tf-idf用於情感分析任務等分類任務是否正確？

[英]Is using tf-idf for classification task like sentiment analysis task correct?

暫無

暫無

聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

相關問題 分類LDA與TFIDF 基於SVM的情感分析功能分類：推文情緒分析 - 步驟順序使用Maxent模型進行情感分析的功能具有字符/字符串特征的二進制分類如何使用scikit-learn計算分類報告以進行情感分析 KNN分類器情感分析與分類分析精度 TFIDF 和多語言文本分類二進制分類與多分類將tf-idf用於情感分析任務等分類任務是否正確？

相關標簽

粵ICP備18138465號 © 2020-2024 STACKOOM.COM