<分区>
我正在开发一个 Java 程序(分类器)，它读取给定的文本文件并输出相关的情绪(正面或负面或中性)。
程序计算三个类别(正面或负面或中性)的三个概率。鉴于这三个概率，我想给这篇文章打分(最高 10)。
示例 - 如果假设，
P(Positive) = 0.0006
P(Negative) = 0.0001
P(Neutral) = 0.0002
那么很明显，这篇文章是高度积极的，因此评级应该很高，即 8 或更高。
PS - 概率加起来不等于 1，而且是非常非常小的数字(在 ~ 10^-(100) 的范围内)
谁能指出任何可以帮助我对文章进行评分的算法？
谢谢
编辑 我不能简单地计算比率。例如
P(Positive) = 1.2*E(-117)
P(Negative) = 4.7*E(-112)
P(Neutral) = 9.3*E(-110)
上面显示的概率差异很大。因此，采用比率将毫无意义。
最佳答案
大约 6 个月前，我对亚马逊评论做了类似的事情(估计准确性的基本事实是星级)。
您可以使用 Bag of Words model对于此任务 - 即每个“单词”都是一个特征。这会导致维度非常高的问题 - 这可能会影响学习时间。
从原始数据中提取特征后，您可以使用 classification algorithms 之一这是具有高维问题的下降。我测试了 SVM (线性和高斯内核)和 Naive-Bayes .当我在 Amazon 上测试时，我发现 SVM 的得分要好得多 - 两个内核之间没有统计显着性。
我的学习算法使用了具有 3 个可能值(类别)的名义分类器 - 赞成/中立/反对。
我还发现使用 feature selection (以降低维度)对朴素贝叶斯非常有帮助，但对 SVM 却没有太大帮助。
一些更重要的注意事项:
我的结果:使用支持 vector 机，我们获得了 85% 的正面评论准确率和约 80% 的负面评论准确率。真正的问题是中立的，我们得到了 70%，而赞成和反对的错误也主要是因为分类器将其分类为“中立”，几乎没有(少于 5%)被分类为赞成/反对，而他们是恰恰相反。
关于java - 评级文章 - 情绪分析，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15730254/