Since we deal with a rather diverse

Since we deal with a rather diverse data set, we constructed
separate subjectivity classifiers for each of our product categories. We trained the classifier using a Dynamic Language
Model classifier with n-grams (n = 8) from the LingPipe toolkit4. The accuracy of the classifiers according to the Area
under the ROC curve, measured using 10-fold cross validation
was: 0.85 for audio and video players, 0.87 for digital cameras,
and 0.82 for DVDs.

ผลลัพธ์ (ไทย) 1:

เพราะเราจัดการกับชุดข้อมูลที่ค่อนข้างหลากหลาย เราสร้างคำนามภาษา subjectivity แยกต่างหากสำหรับแต่ละประเภทผลิตภัณฑ์ของเรา เราฝึกลักษณนามที่ใช้ภาษาไดนามิกลักษณนามแบบกับกรัม n (n = 8) จาก LingPipe toolkit4 ความถูกต้องของคำนามภาษาตามพื้นที่ภายใต้โค้ง ROC วัดค่าโดยใช้การตรวจสอบข้าม 10-foldแก้ไข: สำหรับผู้เล่นเสียง และวิดีโอ กล้องดิจิตอล 0.87 0.85และ 0.82 สำหรับดีวีดี

ผลลัพธ์ (ไทย) 2:

เนื่องจากเราจัดการกับชุดข้อมูลที่มีความหลากหลายค่อนข้างเราสร้าง
ลักษณนามส่วนตัวที่แยกต่างหากสำหรับแต่ละประเภทผลิตภัณฑ์ของเรา เราได้รับการฝึกฝนลักษณนามใช้ภาษาแบบไดนามิก
รุ่นลักษณนามกับ N-กรัม (n = 8) จาก toolkit4 LingPipe ความถูกต้องของตัวจําแนกตามพื้นที่
ภายใต้โค้ง ROC, วัดโดยใช้การตรวจสอบข้าม 10 เท่า
คือ: 0.85 สำหรับผู้เล่นเสียงและวิดีโอ 0.87 สำหรับกล้องดิจิตอล
และ 0.82 สำหรับดีวีดี