Machine learning 基于感知器的情感分析_Machine Learning_Nlp_Neural Network_Sentiment Analysis_Perceptron

Machine learning 基于感知器的情感分析

machine-learning nlp neural-network

Machine learning 基于感知器的情感分析,machine-learning,nlp,neural-network,sentiment-analysis,perceptron,Machine Learning,Nlp,Neural Network,Sentiment Analysis,Perceptron,我正在尝试使用感知器实现情绪分析，以便在python中获得更好的准确性。我迷失在数学中，需要简单的解释如何将它移植到情绪分析中。已经有一篇论文发表在同一网站上：这里有人能详细清楚地解释一下吗？我有一个培训数据集和测试数据集，每个都有5000条评论，我的单词包的准确率达到了78%。我被告知perceptron会给我88%的准确率，我很想实现它感知器只是一个简单的二元分类器，它处理来自R^n的固定大小的向量作为输入数据。所以为了使用它，你必须用实值向量对每个文档进行编码。例如，它可以是一袋文字表

我正在尝试使用感知器实现情绪分析，以便在python中获得更好的准确性。我迷失在数学中，需要简单的解释如何将它移植到情绪分析中。已经有一篇论文发表在同一网站上：

这里有人能详细清楚地解释一下吗？我有一个培训数据集和测试数据集，每个都有5000条评论，我的单词包的准确率达到了78%。我被告知perceptron会给我88%的准确率，我很想实现它

感知器只是一个简单的二元分类器，它处理来自R^n的固定大小的向量作为输入数据。所以为了使用它，你必须用实值向量对每个文档进行编码。例如，它可以是一袋文字表示法（其中每个维度对应一个wor，以及出现次数的值），或任何“更复杂”的表示法（其中一种在随附的文件中描述）

所以，为了将感知器“移植”到情感分析中，你必须找出一些函数f，它与文档一起反馈返回实值向量，然后成对地训练你的感知器

（f（x），0）表示负面评论

（f（x），1）对于正面评价

hi！你从哪里听说你可以得到88%的准确率？这是完全相同的数据集吗？（，参数的选择，甚至构建特征向量的方式都可能对成功产生重大影响。）