我有一个典型的 AI 问题要解决。客户将提交有关产品的评论。我必须能够创建一个程序,将这些评论分类为好、坏或中性。
当然,神经网络将在其中发挥重要作用。另外,我认为模糊逻辑可以在其中发挥一些作用。例如评论的好、坏或中性!关于如何解决它的更多想法?
我有一个典型的 AI 问题要解决。客户将提交有关产品的评论。我必须能够创建一个程序,将这些评论分类为好、坏或中性。
当然,神经网络将在其中发挥重要作用。另外,我认为模糊逻辑可以在其中发挥一些作用。例如评论的好、坏或中性!关于如何解决它的更多想法?
这个问题通常被称为情绪分析。您可以查看有关情绪分析的维基百科条目以进行简要回顾,或查看刘冰的情绪分析页面以获取更详细的资源和教程。
您可以使用某种形式的监督学习。
分类最重要的事情是选择正确的特征。“特征”意味着您从评论中提取一些值,这些值仍然捕捉到与分类任务相关的本质。我想到的事情是
然后,您可以使用任何可用的机器学习算法(神经网络,SVM)并训练分类器,只要您有足够的评论标记为好/中性/坏。
神经网络肯定会为此工作,但是我对引入新单词和语言持怀疑态度。我会采用贝叶斯网络方法来确定处于“好/中性/坏”状态的概率。在通过贝叶斯网络之前,您应该考虑清理数据 [词干等]。
此外:元属性 [ziggy 提到的] 更像是一个指标,可以提高您所采用方法的性能。
编辑:贝叶斯网络是监督学习的一种形式。