Question

我从事基于方面的情绪分析。我为每次评审都有一套训练集（text和aspectTerms）。

使用NLTK3，我想构建一个朴素贝叶斯分类器，用于预测看不见的测试数据的各个方面。我将使用功能部分语音标记。

功能方法是什么样的？我如何训练分类器？如何在看不见的数据上测试分类器？

我尝试了以下内容：

我的功能看起来像

def featurepos(word):
    return dict(wordpos,true)  //return part of speech tagging for a given word

并将分类器构建为

classifier=NaiveBayesClassifier.train(train_set)
#train_set contains [(posofaspect,"aspect")]

现在我想用测试数据测试分类器。

要检查准确性，下面的代码需要test_set

nltk.classify.util.accuracy(classifier,test_set)

test_set是一个词典列表？如果它是一个字典，它的结构是什么？ - 我很困惑。如果有一个例子，那就太有用了！

Answer 1

根据documentation：

，这就是准确度函数的作用

def accuracy(classifier, gold):
    results = classifier.classify_many([fs for (fs,l) in gold])
    correct = [l==r for ((fs,l), r) in zip(gold, results)]
    if correct:
        return float(sum(correct))/len(correct)
    else:
        return 0

因此，测试集是元组列表（特征，相应的标签），函数（1）使用训练的分类器计算这些特征的输出，（2）使用给定的标签面对分类结果和（3）输出命中率

基于方面的情绪使用NLTK？

1 个答案: