我最近使用语言API来收集工作项目的情绪预测。我有大约1,300个未标记的文档，我们最初使用的是NLTK工具，它基于一个词典，其中包含字典中每个单词的极性估计。我转向API，在查看预测后，API产生的结果比NLTK好得多。
据我所知，工程师可能不想发布预测引擎的详细信息，但我很好奇它是如何工作的。如果有人能够启发我或指出我正确的方向，我会很感激。例如，＆＃34; 它使用神经网络，训练数十亿的观察，＆＃34;这将是一个合理的答案。
同样，我将其用于工作项目，并且我希望能够简单说明为什么我从NLTK切换到API（改进的结果应该说明一切，但是我一定会得到＆＃34;好吧，它是如何运作的？＆＃34;）。
答案 0 :(得分：3)
语言API是最先进的机器学习系统的管道，它们通过公共数据（如Penn Treebank）和谷歌语言学家注释的专有数据的组合进行培训。 p>
与NLTK相比，性能改进来自于更多更好的培训数据，以及尖端的机器学习算法，包括但不限于神经网络。
讨论一些算法的相关链接：