4

用于情绪分析和文本分析的 Amazon Machine Learning 平台的灵活性或支持性如何？

4

2 回答 2

9

您可以使用 Amazon ML 为情绪分析构建良好的机器学习模型。

这是一个 github 项目的链接，该项目正在这样做：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，如上例所示，或使用实习生（“夏天来了”）为您进行标记。使用特定标记的好处是您可以将逻辑放入模型中。例如，“啤酒很冷”或“牛排很冷”之间的区别，其中一个是正面的，一个是负面的，这是一个通用系统很难学习的东西。

您还可以尝试使用来自上述项目或此 Kaggle 竞赛的一些示例数据来对电影评论进行情感分析：https ://www.kaggle.com/c/sentiment-analysis-on-movie-reviews 。我在该数据集上使用了 Amazon ML，并轻松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面（或正面）输入。在此处查看更多信息：http: //docs.aws.amazon.com/machine-learning/latest/dg/interpreting_predictions.html

于 2015-06-11T11:57:57.247 回答
1

非常适合开始。强烈建议您将其作为一个选项进行探索。但是，请意识到以下限制：

  • 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合并新的训练数据（或新的超参数，就此而言）
  • 您在系统的可调整性方面受到极大限制
  • 它只做监督学习
  • 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，您不能导出模型并将其导入另一个系统——模型是一个黑盒子

好处：

  • 您不必运行任何基础设施
  • 它与 AWS 数据源很好地集成
  • 用户体验很好
  • 这些算法是为您选择的，因此您可以快速测试并查看它是否适合您的问题空间。
于 2018-02-05T21:21:07.613 回答