1
A
回答
1
當你說,你的模型不夠好,這是否意味着你生成的字典不夠好?使用TF-IDF權重提取關鍵詞並構建詞典實際上是特徵選擇步驟。
要爲您的模型提取或選擇特徵,您可以遵循其他方法,如主成分分析,潛在語義分析等。機器學習中的很多其他特徵選擇技術也可能有用!
但是我真的相信情感分類任務,TF-IDF應該是構建字典的一個很好的方法。我建議您在訓練時調整模型參數,而不要責怪特徵選擇方法。
有許多深度學習技巧,以及適用於您的目標任務。
相關問題
- 1. 解析結構化和非結構化文本的混合
- 2. 如何分析非結構化csv文件
- 3. 結構化文本和非結構化文本
- 4. PHP非結構化文件解析器
- 5. 結構化和非結構化數據如何區分?
- 6. 如何格式化非結構化文本文件?
- 7. 非結構化文本結構化數據
- 8. 熊貓:在結構化非表格文本解析值
- 9. 解析非結構化文本的名稱和地址
- 10. 解析Python中的非結構化文本
- 11. 來自非結構化文本的通用日期解析庫
- 12. 非結構化文本/數字合併
- 13. 如何使用Antlr解析文件中的非結構化部分
- 14. 解析結構化文本數據
- 15. 從文本語料庫中分離非結構化語句
- 16. 解析非結構化數據
- 17. 如何在非結構化文本中查找特定信息
- 18. python - 如何解析半結構化文本(cran.all.1400)
- 19. 如何將此非結構化數據轉換爲結構化?
- 20. 結構化,非結構化和半結構化數據
- 21. 文本匹配 - 非結構化數據到結構化數據 - SAS或R
- 22. 使用java將非結構化數據(文本)轉換爲結構化格式
- 23. 如何搜索非結構化XML?
- 24. 如何索引非結構化網格?
- 25. 解析並將非結構化文本文件導入到Microsoft Access中(文件具有潛在分隔符)
- 26. 解析來自非結構化文件的數據
- 27. 谷歌分析mvc結構化網站
- 28. 從BeautifulSoup解析非結構化數據到結構化數據集
- 29. 解析字典術語的非結構化文本以包含術語鏈接
- 30. 如何解析結構化格式?