最近阅读了美国伊利诺伊大学教授刘兵的一篇关于观点挖掘的KDD论文（Mining and Summarizing Customer Reviews），其观点挖掘算法非常经典，特此做记录，互相探讨。...
分类：
其他好文 时间：
2014-08-31 12:00:01
阅读次数：
701
Accuracy不是评估分类器的有效性的唯一度量。另外两个有用的指标是precision和recall。这两个度量可提供二元分类器的性能特征的更多视角。
分类器的 Precision
Precision度量一个分类器的正确性。较高的精确度意味着更少的误报，而较低精度意味着更多的误报。这是经常与recall相反，作为一种简单的方法来提高精度，以减少召回。
分类器的 Re...
分类：
其他好文 时间：
2014-07-19 11:26:04
阅读次数：
1829
当你的分类模型有数百个或数千个特征，由于是文本分类的情况下，许多（如果不是大多数）的特点是低信息量的，这是一个不错的选择。这些特征对所有类都是通用的，因此在分类过程中作出很小贡献。个别是无害的，但汇总的话，低信息量的特征会降低性能。
通过消除噪声数据给你的模型清晰度，这样就去除了低信息量特征。它可以把你从过拟合和维数灾难中救出来。当你只使用更高的信息特征，可以提高性能，同时也降低了模型的大小...
分类：
其他好文 时间：
2014-07-19 11:22:54
阅读次数：
507
改善特征提取往往可以对分类的accuracy（和precision和召回率）有显著的正面影响。在本文中，我将评估word_feats的两项修改特征提取的方法：
过滤停用词 包含二元语法搭配
为了有效地做到这一点，我们将修改前面的代码，这样我们就可以使用任意的特征提取函数，它接收一个文件中的词，并返回特征字典。和以前一样，我们将使用这些特征来训练朴素贝叶斯分类器。
...
分类：
其他好文 时间：
2014-07-19 11:22:04
阅读次数：
593
情感分析正成为研究和社交媒体分析的热点领域，尤其是在用户评论和微博上。它是文本挖掘的一种特殊情况，一般关注在识别正反观点上，虽然它常不很准确，它仍然是有用的。为简单起见（因为训练数据容易获取），我将重点放在2个可能的情感分类：积极的和消极的。
NLTK 朴素贝叶斯分类
NLTK附带了所有你需要的情感分析的入手的东西：一份带有分为POS和NEG类别的电影评论语料，以及一些可训练分类器。我...
分类：
其他好文 时间：
2014-07-19 02:14:25
阅读次数：
338
一朋友由于工作需要，准备对新浪微博进行相关的抓取挖掘。特别是情感分析这一块，便于他后期的实验实践。实际上，文本挖掘及分析在未来都会产生较大的效果。举一个简单的例子，现在地铁里的每个人每天都会去刷新自己的人人好友圈，微信好友消息。而这些消息大部分是基于文本的..
分类：
其他好文 时间：
2014-07-14 12:06:40
阅读次数：
227
