1     环境

R 3.0以上版本

安装机器学习软件包：

说明：此两个包是R机器学习包。RTextTools包含文本处理，e1071包含分类器。

> install.packages("RTextTools")

> install.packages("e1071")

 

2     实验步骤

研究对象：http://www.xueqing.tv/cms/article/107#rd?sukey=3903d1d3b699c20870d8c0b36a06c8665d146b24b47f8953d7202230c1ad9c9dd368d27959ec776c4cd0e2c94248f632 

此篇博文（最上面图是word2vec的图，与本篇博文无关）使用R语言，对文本进行分类，并且使用多种分类器。

其包含两部分，都是对句子进行情感分类。一部分使用手工添加的少量数据进行。

另一部分使用80条happy数据，80条sad数据，10条happy测试数据，10条sad测试数据（代码路径：sentiment_analyse.R）。

3     试验结果

实验一：对各个分类器初步比较，作者手工添加数据，进行预测(代码文件：sentiment_compare.R)：

 

预测准确率：

 

 

分类器

准确率

随机森林

60%

最大熵

60%

决策树

60%

BAGGING

60%

SVM

20%

 

实验二（代码文件sentiment_analyse.R）：

数据文件：http:///sentiment/data/

采用bayes, MAXENT, SVM, SLDA, BAGGING, RF, TREE分类器，进行分类

结果如下：

 

分类器名称

准确率(R)

准确率(spark)

贝叶斯

65%

95%

随机森林

95%

90%

SVM

95%

 

SLDA

75%

 

BAGGING

95%

 

决策树

100%

85%

MAXENTROPY

95%

 

GBT

 

90%

Vord2vec

 

70%

转载于:https://www.cnblogs.com/DRUNK2013/p/5541931.html

相关资源：JAVA上百实例源码以及开源项目