亚马逊机器学习用于情绪分析

Question

用于情绪分析和文本分析的亚马逊机器学习平台有多灵活或支持？

Answer 1

您可以使用Amazon ML为情绪分析构建一个良好的机器学习模型。

这是一个指向github项目的链接：https://github.com/awslabs/machine-learning-samples/tree/master/social-media

由于Amazon ML支持监督学习以及文本作为输入属性，因此您需要获取已标记的数据样本并使用它构建模型。

标记可以基于Mechanical Turk，就像上面的例子一样，或者使用实习生（“夏天来了”）来为你做标记。使用特定标记的好处是可以将逻辑放入模型中。例如，“啤酒很冷”或“牛排很冷”之间的差异，其中一个是积极的，一个是消极的，这是一个通用系统难以学习的东西。

您还可以尝试使用上述项目中的一些示例数据或来自此Kaggle比赛的电影评论情绪分析：https://www.kaggle.com/c/sentiment-analysis-on-movie-reviews。我在该数据集上使用了Amazon ML，并且非常容易且快速地获得了相当不错的结果。

请注意，您还可以使用Amazon ML根据您正在构建的模型运行实时预测，并且可以使用它来立即响应负（或正）输入。点击此处：http://docs.aws.amazon.com/machine-learning/latest/dg/interpreting_predictions.html

Answer 2

开始时非常棒。强烈建议您将其作为选项进行探索。但是，要意识到局限性：

• 你会想要建立一个管道，因为模型是不可变的 - 你必须建立一个新模型来整合新的训练数据（或者新的超参数），
• 您在系统的可调整性方面受到极大限制
• 它只进行监督学习
• 目标变量不能是其他文本，只能是数字，布尔值或分类值
• 如果需要，您无法导出模型并将其导入另一个系统 - 模型是黑盒子

优点：

• 您不必运行任何基础架构
• 它很好地与AWS数据源集成
• UX很不错
• 为您选择了算法，因此您可以快速测试并查看它是否适合您的问题空间。