克里斯托弗波茨＆＃39;他的情绪分析器中的39个功能

Question

我对情绪分析相对较新，并且一直在阅读斯坦福大学教授Christopher Potts的优秀在线教程。

在his tutorial under the section on machine learning classifiers中，他简要讨论了一个轻量级，准确的分类器＆＃34;并建议以下步骤：

  

  
1. 从一组N个固定情绪词典L开始。对于我的实验，我使用固定极性词典，IMDB分数，   体验项目O / E向量，以及来自的情感丰富的类   哈佛大将军询问者和LIWC。 总数   预测因子是39 ，所有这些都是数字。
  
2. ...
  
3. 对于给定的文本，功能函数简单地总结了所有单词＆＃39;每个 39个预测变量的得分，然后进行归一化   他们按文字的长度。因此，每个文本被建模为矢量   39个号码。
  
4. ...
  

我想知道他从哪里获得了这39个功能？根据我的理解，词典有数千个条目，使用词袋模型产生数千个功能。他是如何从数千种功能转变为39种功能的？他显然必须做一些功能选择，但我不能推断他的方法或选择标准。

Answer 1

我怀疑他还没有在这里使用词袋功能。可能，这些数据源中的每一个都是一些特征：哈佛通用询问者肯定有几个类别，并且可能存在每个类别中的单词出现多少次的特征。同样，体验项目向量每个都有几个维度，这会创建一些功能。

这里的重点是尝试制作一个轻量级，可推广的分类器。如果您想要适合特定的数据集，n-gram功能几乎肯定更好。但是，如果您的培训数据有限，或者想要在不同的领域进行推广，那么这些数据会非常密集。功能有价值。