Che*_*hie 2 nlp machine-learning svm sentiment-analysis text-classification
当使用SVMlight或LIBSVM为了将短语分类为正面或负面时(情感分析),有没有办法确定哪些是影响算法决策的最有影响力的单词？例如,发现该单词"good"有助于将短语确定为正面等.
如果你使用线性内核然后是 - 只需计算权重向量:
w = SUM_i y_i alpha_i sv_i
哪里:
sv - 支持向量alpha - 使用SVMlight找到的系数y - 相应的班级(+1或-1)(在某些实现alpha中已经乘以y_i,因此它们是正/负)
一旦你有了w尺寸1 x d,d你的数据维度(单词包中的单词数/ tfidf表示)只需选择具有高绝对值(无论是正面还是负面)的尺寸,以便找到最重要的特征(话).
如果您使用某些内核(如RBF),那么答案是否定的,没有直接的方法来取出最重要的功能,因为分类过程是以完全不同的方式执行的.
| 归档时间： |
|
| 查看次数： |
600 次 |
| 最近记录： |