良好的情感分析數據集？

Question

我正在進行情感分析，我正在使用此鏈接中提供的數據集：http://www.cs.jhu.edu/~mdredze/datasets/sentiment/index2.html，我已將我的數據集分爲50:50比例。 50％作爲測試樣本，50％作爲訓練樣本，從火車樣本中提取特徵並使用Weka分類器進行分類，但我的預測精度爲70-75％左右。

有人可以提出一些其他數據集，可以幫助我增加結果 - 我已經使用unigram，bigram和POStags作爲我的功能。

Answer 1

有許多來源獲得的情感分析數據集：從谷歌storage.googleapis.com/books/ngrams/books/datasetsv2.html

• 巨大的n-gram數據集
• http://www.sananalytics.com/lab/twitter-sentiment/
• http://inclass.kaggle.com/c/si650winter11/data
• http://nlp.stanford.edu/sentiment/treebank.html
• 或者你可以看看這個全球ML數據集資源庫：https://archive.ics.uci.edu/ml

無論如何，這並不意味着它會幫助您獲得更好的當前數據集的準確性，因爲該語料庫可能與您的數據集非常不同。除了減少測試比例與培訓之外，您還可以：使用CVParameterSelection或GridSearch等半自動包裝測試其他分類器或微調所有超參數，或者如果它合適，甚至可以使用auto-weka。

使用50/50相當少見，80/20是相當常見的比例。更好的做法是使用：60％用於培訓，20％用於交叉驗證，20％用於測試。