Đăng nhập
Hoặc tiếp tục với email
Nhớ mật khẩu
Đang tải... (xem toàn văn)
Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
THÔNG TIN TÀI LIỆU
Cấu trúc
1.1. Bài toán phân loại cảm xúc người dùng trong mạng xã hội
1.1.1. Lý do phân loại cảm xúc người dùng
1.1.2. Giới thiệu bài toán và một số nghiên cứu liên quan
1.1.3. Mô hình xử lý dữ liệu cho bài toán phân loại cảm xúc
1.1.4. Những thách thức trong bài toán phân loại cảm xúc
1.2. Hướng tiếp cận giải quyết bài toàn phân loại cảm xúc dựa vào các kỹ thuật học máy
1.2.1. Phân loại dựa trên Naïve Bayes
1.2.2. Phân loại dựa trên máy vec-tơ hỗ trợ (Support Vector Machine)
1.3. Kết luận chương
2.1. Mô hình tổng quát bài toán
1.4. Pha thu thập dữ liệu
1.5. Pha tiền xử lý dữ liệu
1.6. Pha trích chọn đặc trưng và vec-tơ hóa văn bản
1.6.1. N-grams
1.6.2. Mô hình không gian vec-tơ (Vector Space Model)
1.7. Phân loại sử dụng SVM & Naïve Bayes với Weka
1.7.1. Giới thiệu về file arff
1.7.2. Sử dụng Weka để phân loại SVM và Naïve bayes
1.8. Kết luận chương
2.1. Thông tin dữ liệu và môi trường thực nghiệm
2.2. Phát biểu bài toán thực nghiệm
2.3. Kết quả thử nghiệm
2.3.1. Bài toán 1: So sánh mô hình Unigram và VSM trong bộ phân loại Support Vector Machine
2.3.2. Bài toán 2: So sánh mô hình Unigram và VSM trong bộ phân loại Naïve Bayes
2.3.3. Bài toán 3: So sánh tính hiệu quả của 2 bộ phân loại SVM và Naïve Bayes với phương pháp xây dựng vec-tơ đặc trưng Unigram
2.3.4. Bài toán 4: So sánh tính hiệu quả của 2 bộ phân loại SVM và Naïve Bayes với phương pháp xây dựng vec-tơ đặc trưng Vector Space Model
2.4. Thảo luận, đánh giá, so sánh
2.5. Kết luận chương
Nội dung
Ngày đăng: 19/07/2021, 21:37
TỪ KHÓA LIÊN QUAN
TÀI LIỆU CÙNG NGƯỜI DÙNG
TÀI LIỆU LIÊN QUAN