The collected dataset is used to ex

The collected dataset is used to extract features that will be used to train our sentiment classifier. We used the presence
of an n-gram as a binary feature, while for general information retrieval purposes, the frequency of a keyword’s occurrence
is a more suitable feature, since the overall sentiment may not necessarily be indicated through the repeated use
of keywords. Pang et al. have obtained better results by using a term presence rather than its frequency (Pang et al.,
2002).

ผลลัพธ์ (ไทย) 1:

ชุดเก็บรวบรวมข้อมูลจะใช้ในการแยกคุณลักษณะที่จะใช้ฝึก classifier ความเชื่อมั่นของเรา เราใช้อยู่ของ n-กรัมที่เป็นคุณลักษณะไบนารี สำหรับวัตถุประสงค์ในการเรียกข้อมูลทั่วไป ความถี่ของการเกิดขึ้นของคำสำคัญมีคุณลักษณะเหมาะ เนื่องจากความเชื่อมั่นโดยรวมอาจไม่จำเป็นต้องระบุถึงการใช้ซ้ำคำสำคัญ Al. ร้อยเอ็ดปางได้รับผลลัพธ์ที่ดีขึ้น โดยใช้สถานะระยะแทนที่เป็นความถี่ของ (ปาง et al.,2002)

ผลลัพธ์ (ไทย) 2:

ชุดข้อมูลที่เก็บรวบรวมจะใช้ในการดึงคุณสมบัติที่จะนำมาใช้ในการฝึกอบรมความเชื่อมั่นของเราลักษณนาม เราใช้การปรากฏตัวของ n กรัมเป็นคุณลักษณะไบนารีในขณะที่สำหรับวัตถุประสงค์ในการดึงข้อมูลทั่วไป, ความถี่ของการเกิดขึ้นของคำหลักที่เป็นคุณลักษณะที่เหมาะสมมากขึ้นเนื่องจากความเชื่อมั่นโดยรวมอาจไม่จำเป็นต้องแสดงให้เห็นผ่านการใช้ซ้ำคำหลัก ปาง et al, ได้รับผลลัพธ์ที่ดีกว่าโดยใช้การแสดงตนในระยะมากกว่าความถี่ (ปาง et al., 2002)

ผลลัพธ์ (ไทย) 3:

การเก็บรวบรวมข้อมูล คือ ใช้สารสกัดจากคุณลักษณะที่จะถูกใช้เพื่อฝึกความเชื่อมั่นของเราลักษณนาม เราใช้อยู่
n-gram เป็นคุณลักษณะของไบนารี ในขณะที่วัตถุประสงค์เพื่อสืบค้นข้อมูลทั่วไป ความถี่ของการเกิด
เป็นคุณลักษณะที่เหมาะสม เนื่องจาก sentiment โดยรวมอาจไม่จําเป็นต้องพบผ่านการใช้ซ้ำ
ของคำหลัก ปาง et al .ได้รับผลลัพธ์ที่ดีกว่าโดยการใช้ระยะความถี่ของตนมากกว่า ( ปาง
et al . , 2002 )