问题描述
我尝试为每种类型的情感分析找到最有区别的词 (例如 IMDB 电影数据库)。
问题在于它选择了仅经常使用但在全球范围内经常使用的词。 如何找词,
- 通常在当前情绪中,但在其他情绪中很少见
- 经常出现在该类型中,但在所有类型中并不常见(因此它们是特定的,而不是演员姓名等)
最常讨论的词的识别(例如Text classification - Identifying the most useful words in differentiating between classes、How to get most informative features for scikit-learn classifiers?)
我正在研究如何计算一个词在其全局上下文中的权重,让我们说一个词
- 好用了 19 次,中性用了 1 次,坏用了 4 次(对于这种类型)
- 在此类型中使用了 24 次(此类型为 510 行,总共 265 个单词)
- 在所有类型中总共使用了 3120 次,总共使用了 60.000 行。
tf-idf 仅在本地上下文中提供帮助。如何引入全球背景? 19 倍好,4 倍坏,如何加权?
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)