使用預製字典進行文本分類的SVM特徵向量表示

Question

我想將文本集合分爲兩類，比方說我想做一個情感分類。我有兩個預先製作的情感詞典，一個只包含正面的詞，另一個只包含負面的詞。我想將這些字典合併到SVM分類器的特徵向量中。我的問題是，是否有可能區分正面和負面的單詞詞典以表示爲SVM特徵向量，特別是當我爲測試集合生成特徵向量時？

如果我的解釋不夠清楚，讓我舉個例子。比方說，我有這兩個句子作爲訓練數據：

Pos: The book is good 
Neg: The book is bad 

字「好」的存在正字典和「壞」存在於負的字典，而在沒有詞典中不存在等字樣。我希望匹配詞典中存在的詞與句子的類別具有很大的權重值，而其他詞則具有較小的價值。因此，特徵向量將是這樣的：

+1 1:0.1 2:0.1 3:0.1 4:0.9 
-1 1:0.1 2:0.1 3:0.1 5:0.9 

如果我想測試一句分類「的食物是壞」，我應該如何生成依賴於測試與權重集的特徵向量現有的字典，當我無法匹配測試句子的類與每個字典？我能想到的是，對於測試集，只要這個詞在這兩個詞典中都存在，我會給這個詞賦予一個高權重值。

0 1:0.1 3:0.1 5:0.9 

我不知道這是否是創建訓練集和測試集的矢量表示的正確方法。

- 編輯 - 我忘了提及這些預製的字典是使用某種主題模型提取的。例如，來自主題1的前100個單詞有點代表積極的類別，而主題2中的單詞代表負面的類別。我希望使用這種信息來改進分類器，而不僅僅是使用袋裝詞功能。

Answer 1

總之 - 這不是它的工作方式。

整點學習是給分類器賦予它們自己權重的能力。你不能「強迫它」爲一個特定的特性獲得每個類的高價值（我的意思是，你可以在優化級別上，但這需要改變整個svm結構）。

所以正確的方法是簡單地創建一個「正常」的表示。沒有任何額外的規範。讓模型決定，他們在統計分析方面比人類直覺更好，真的。