Классификация отзывов от клиентов на хорошие, плохие и нейтральные

Question

У меня типичная проблема ИИ, которую нужно решить.Клиенты будут отправлять комментарии о продукте.Я должен быть в состоянии создать программу, которая классифицирует эти комментарии как хорошие, плохие или нейтральные.

Конечно, нейронная сеть сыграет в этом большую роль.Кроме того, я думаю, что нечеткая логика может сыграть в этом какую-то роль.Например, насколько комментарий хорош, плох или нейтрален !!Еще несколько идей о том, как ее решить ??

Answer 1

Эту проблему обычно называют Анализ настроений .Вы можете просмотреть статью в Википедии об анализе настроений для краткого обзора или страницу Лю Бина об анализе настроений для получения более подробных ресурсов и руководств.

Answer 2

Вы можете использовать некоторую форму контролируемого обучения .

Самым важным для классификации является выбор правильных характеристик. «Особенности» означает, что вы извлекаете некоторые значения из обзора, которые все еще отражают сущность в отношении задачи классификации. Вещи, которые приходят мне в голову:

• количество слов
• среднее количество слов в предложении
• количество слов из некоторого набора, таких как {crap, shit, damn, viagra, ...}

Затем вы можете использовать любой доступный алгоритм машинного обучения (нейронные сети, SVM) и обучать классификатор, если у вас достаточно отзывов, которые помечены как хорошие / нейтральные / плохие.

Answer 3

Нейронные сети, безусловно, подойдут для этого, однако я бы с радостью представил новые слова и языки.Я бы выбрал байесовский сетевой подход для определения вероятности нахождения в «хорошем / нейтральном / плохом» состоянии.Вам следует подумать о том, чтобы очистить данные [стеблинг и т. Д.], Прежде чем пропустить их через сеть Байеса.

Дополнительно: мета-атрибуты [что упомянул зигги] являются скорее индикатором, повышающим эффективность вашего подхода

РЕДАКТИРОВАТЬ: Байес-сети являются формой контролируемого обучения.