如何用KNIME进行情感分析 | 下

大数据 数据分析
这一篇中,我们将使用N元语法(N-gram),借助KNIME来探究如何选取词语特征,获得的模型能够实现更准确地分类。

如何能够让机器“读懂”人的情感?情感分析提供了解决的一个思路。这也使得它成为自然语言分析(Natural Language Processing)中最令人神往的山对面的“风景”。

什么是情感分类(sentiment classification)

简单说,就是对于一句或一段话,判断说话者的情感,是正向(积极)的,还是负向(消极)的。这种情感分类任务可以看作一个二分类问题。

完成情感分类的核心问题

决定分类准确率的关键在于特征的选取与语料的质量。其中特征问题解决的是:用什么样的特征来抽取,得到的文本才足够原始呢?每个词看似已经是文本的足够底层的特征,但其实也是经过高度抽象的。这也会给深度学习在自然语言领域的应用带来一些困难。同样,这也是提高模型准确度的一个有效的方法。

在上一篇情感分析的讲解中,我们已经知道如何使用KNIME构造一个情感分析模型。这一篇中,我们将使用N元语法(N-gram),借助KNIME来探究如何选取词语特征,获得的模型能够实现更准确地分类。

N元语法

在计算语言学中,n-gram指的是文本中连续的n个item。n-gram中如果n=1则为unigram,n=2则为bigram,n=3则为trigram。n>4后,则直接用数字指称,如4-gram,5gram。(Wikipedia)

以 I would like to go to Beijing. 这句话为例。

bigram为:

  • I would
  • would like
  • like to
  • to go
  • go to
  • to Beijing

如何用KNIME进行情感分析 | 下
结点概览

1.读取CSV格式文件

使用CSV reader结点读取一个CSV格式文件,该文件写入了1500条载于IMBD上的影评,并且给出了情感向量即POS(positive)和NEG(negative)。

如何用KNIME进行情感分析 | 下

2.字符串转化为文档格式

接下来将字符串转化为文档格式,继而使用“过滤”节点删除无关列,使文件只留下储存文档对象的一列。

如何用KNIME进行情感分析 | 下
以上结点内属于Document creation元结点

3.数据预处理

首先计算特征词语需要在文档中出现最小次数N。利用java语句计算:out_MinDF = (Number_Rows / 100) * Min_Percentage

如何用KNIME进行情感分析 | 下

继而进行删除标点,删除数字,删除文档中出现次数小于N的词汇,将大写转化为小写,提取词语主干(stemmed)和删除停用词(stop word)。至此我们可以完成预处理。但是由于我们想探索的是双词分类与单词分类的效果差异,所以这里花开两朵各表一枝,双词分类的这一支不需要做主干提取和停用词删除的工作。

如何用KNIME进行情感分析 | 下

(stemmed意指将词的变形归类,使得机器在处理文本时减少需要跟踪的独特词汇,这会加快“标签化”处理的过程。停用词是人类语言中没有实际意义或功用的词语,如助词,限定词等)

4.通过单词或双词建立文本特征向量

想象在一个巨大的文档集合,里面一共有M个文档,而文档里面的所有单词提取出来后,一起构成一个包含N个单词的词典,利用词袋(Bag-of-words)模型,每个文档都可以被表示成为一个N维向量(将每篇文档表示为一个向量,每一维度代表一个词语,其数值代表词语在该文档中的出现次数)。这样,就可以利用计算机来完成海量文档的分类过程。

一般来说,太多的特征会降低分类的准确度,所以需要使用一定的方法,来“选择”出信息量最丰富的特征,再使用这些特征来分类。

特征选择遵循如下步骤:

  • 1. 计算出整个语料里面每个词的信息量
  • 2. 根据信息量进行倒序排序,选择排名靠前的信息量的词
  • 3. 把这些词作为特征

如何用KNIME进行情感分析 | 下

5.构建模型

通过决策树算法构建模型在上一篇已经讲过,需要注意的是本篇需要对1-gram特征和1-gram 2-gram集合特征分别构建模型,以进行比较。这里不再赘述。

如何用KNIME进行情感分析 | 下

6.ROC曲线对比

在文档向量集创建后,词汇的情感分类已经被提取出来,系统自动创建了两种预测模型并打分。一个模型基于一个单独词汇的特征建立,第二个模型基于1-gram和2gram集合的特征。接着通过ROC接收器操作特性曲线(receiver operating characteristic curve)对这两个进行比较。

如何用KNIME进行情感分析 | 下

可以看出,在分析影评这一文本的情感态度时,使用N元语法构建出来的情感分类模型,诊断准确度更高,为85.05%。这样有助于我们针对“何种情感分类模型对NLP分析更为有效”这一问题时做出决策。

点击查看:
如何用KNIME进行情感分析 | 上

如何用KNIME进行情感分析 | 中

责任编辑:未丽燕 来源: KNIME/情感分析/数据分析
相关推荐

2016-12-07 14:45:25

KNIME情感分析数据分析

2016-12-07 14:23:48

KNIME数据分析情感分析

2016-11-16 15:05:42

情感分析

2018-01-04 13:07:43

Python机器学习情感分析

2017-10-10 13:13:48

2018-09-04 11:45:31

前端JavaScriptNodeJS

2019-01-15 14:21:13

Python数据分析数据

2018-06-19 08:35:51

情感分析数据集代码

2023-02-03 11:40:49

机器学习分析情感

2019-05-14 10:37:26

Python机器学习编程语言

2017-03-21 10:55:22

大数据

2023-12-12 09:00:00

2018-08-21 07:50:06

Python 大数据编程语言

2011-07-26 10:09:07

组策略软件部署

2021-01-05 08:00:00

Windows 10工具GPU

2019-07-24 09:00:00

New Relic性能工程压力测试

2016-12-07 09:27:11

KNIME大数据网络

2016-12-22 10:00:18

KNIME流失模型

2014-09-22 19:30:02

大数据软件分析金融数据

2016-09-17 00:12:46

点赞
收藏

51CTO技术栈公众号