解決すべき典型的なAIの問題があります。顧客は製品についてのコメントを提出するつもりです。これらのコメントを良い、悪い、中立のいずれかに分類するプログラムを作成できなければなりません。
確かに、ニューラルネットワークはその中で大きな役割を果たします。また、ファジーロジックがその中で何らかの役割を果たすことができると思います。コメントがどれだけ良いか、悪いか、中立かなど！それを解決する方法についてのいくつかのアイデア??
3 に答える
3
この問題は通常、感情分析と呼ばれます。簡単なレビューについては感情分析に関するウィキペディアのエントリを確認するか、より詳細なリソースとチュートリアルについては感情分析に関するLiuBingのページを確認してください。
于 2011-10-12T17:08:21.737 に答える
2
何らかの形の教師あり学習を使用できます。
分類で最も重要なことは、適切な機能を選択することです。「機能」とは、分類タスクに関する本質を依然として捉えているレビューからいくつかの値を抽出することを意味します。私の頭に浮かぶのは
- 言葉の数
- 文あたりの平均単語数
- {がらくた、たわごと、くそー、バイアグラ、...}のようないくつかのセットからの単語の数
次に、利用可能な任意の機械学習アルゴリズム（ニューラルネットワーク、SVM）を使用して、良い/中立/悪いとラベル付けされた十分なレビューがある場合に分類器をトレーニングできます。
于 2011-10-12T16:58:00.650 に答える
-1
ニューラルネットワークは確かにそれで機能しますが、私は新しい単語や言語を導入することに疑いを持っています。「良い/中立/悪い」状態になる確率を決定するために、ベイズのネットアプローチを採用します。ベイジアンネットにデータを配置する前に、データのクリーニング（ステミングなど）を検討する必要があります。
さらに、メタ属性[ziggyが言及したもの]は、採用するアプローチのパフォーマンスを向上させるための指標です。
編集：ベイジアンネットは、教師あり学習の一形態です。
于 2011-10-12T17:16:19.007 に答える