
94
|
第六章:在矛盾的線上評論中偵測謊言以及混亂的狀況
除非你很想要知道這些程式碼是如何運作,或是想要使用客製化的特徵值抽出方法,要
不然我強烈的建議在嘗試建立以 NLTK 為基礎的客製化分類器,或是任何的 NLTK 模型
之前,先嘗試這些套件。
驗證分類器
回到情緒分類器:不論統計是如何說,這些年來我學到的是,不要完全相信訓練模型以
及它們的輸入資料。除非每個訓練實體都被三個專業的評論者親眼看過,要不然你便能
夠假設在訓練資料中會擁有一些雜訊以及不準確的狀況。所以當我訓練好了一個應該要
是很準確的情緒分類器時,我會將它用在我的訓練語料庫上,來看看我是否能夠發現被
該分類器分錯的評論。我的目標是想要理解分類器是哪裡出了錯,並且或許也能夠得到
一些要如何調整訓練參數而有更好結果的靈感。讓我驚訝的是,我發現有一則評論是被
分類在
neg
之下,但其實它是在 pos ∕ 5 顆星的分類中:
它很吵且一杯酒的價錢太貴。這是它唯一的缺點,因為它很好。
被分類在
pos
之下,但其實是在 neg ∕ 1 顆星的分類中的評論如下:
在紐約中,其中一個最佳的享受浪漫夜晚的地點。在合理的價位下擁有非常
好的食物以及服務。
我們愛它!服務生很棒、上菜速度很快而且又好吃。我們給 5 顆星!
結果,分類器在偵測情緒上,反而比用來建立訓練語料庫的評分還要準確!顯然的,其
中一個人們在線上做的怪事,就是撰寫與評分完全相反的評論。當我們試圖建立一個情
緒分類器時,我也意外的建立了一個辨識說謊以及混亂狀況的方法。以下便是一些說謊
者的 1 顆星評論: ...