我正在尝试使用 apache Spark 进行基本的 Twitter 情绪分析。
下页解释了 apache Spark 中使用的朴素贝叶斯函数，该函数可以解决上述问题。 http://spark.apache.org/docs/1.0.0/mllib-naive-bayes.html
当你查看 java 示例时， 训练集和测试集给出为
JavaRDD<LabeledPoint> training = ... // training set
JavaRDD<LabeledPoint> test = ... // test set
我不知道它们是什么数据类型，但我可以理解它们是一些非英语输入。
我有一个推文列表。
“我爱我的国家。”
“在办公室度过美好的一天。”
“谷歌浏览器太糟糕了!”
如何使用朴素贝叶斯函数来处理文本？
对此的任何见解都会有所帮助。
最佳答案
LabeledPoint 的格式为 (double, Vectors(double[]))，其中第一个参数是标签，第二个参数是特征向量(仅非负实数)值)。但对于你的情况，它不匹配。这意味着您必须找到一种方法将数据转换为实际值。 TFIDF 似乎是一种方式。您可能有兴趣阅读this为了更好地理解示例。
关于java - 在 apache Spark 中使用朴素贝叶斯进行 Twitter 情绪分析，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25908536/