data-mining - 情绪分析以找到推文中产品的前 3 个形容词

Question

有一个情感分析工具可以找出人们对社交网络的看法。该工具可以： (1) 将文档分解为一组句子。

(2)将每个句子分解成一组词，并进行过滤，只保留产品名称和形容词。

例如“这台 MacBook 棒极了。索尼比 Macbook 更好。”

处理后，我们可以得到：

{MacBook，真棒}

{索尼，更好}。（不是事实：D）

我们只是假设存在一个我们将永远关心的产品名称列表 P，并且存在一个我们永远关心的形容词列表 A。

我的问题是：

1. 我们能否将这个问题简化为一个专门的关联规则挖掘问题？如何解决？如果是，则需要注意任何事情，例如缩减、参数设置（minsup 和 minconf）、附加约束以及修改 Aprior 算法以解决问题。

2. 有什么方法可以人为地向结果发送垃圾邮件，例如在前 1 个形容词中添加“可怕”？有什么好的方法可以防止这种垃圾邮件吗？

谢谢。

Answer 1

你考虑过数数吗？

对于每种产品，计算每个形容词出现的频率。

报告每种产品的前 3 个形容词。

只需对您的数据进行一次遍历，并且不会使用大量内存（除非您有数百万个产品要跟踪）。

没有理由使用关联规则挖掘。关联规则挖掘仅在您寻找大型项目集（即 4 个或更多项）时才有效，而且它们同样重要。如果您知道某个术语是特殊的（例如产品名称与形容词），则通过此唯一键拆分数据集，然后使用计数是有意义的。