Our approach is based on the hypoth

Our approach is based on the hypothesis that the actual text of
the review matters. Previous text mining approaches focused
on extracting automatically the polarity of the review [35], [36],
[37], [38], [39], [40], [41], [42], [43], [44], [45], [46]. In our setting,
the numerical rating score already gives the (approximate)
polarity of the review,2 so we look in the text to extract features
that are not possible to observe using simple numeric ratings.

ผลลัพธ์ (ไทย) 1:

วิธีของเราเป็นไปตามสมมติฐานที่ข้อความจริงของการทบทวนเรื่อง วิธีทำเหมืองข้อความก่อนหน้านี้ที่มุ่งเน้นบนโดยอัตโนมัติแยกขั้วของรีวิว [35], [36],[37], [38], [39], [40], [41], [42], [43], [44], [45], [46] ในการตั้งค่าของเราคะแนนตัวเลขแล้วให้ (โดยประมาณ)ขั้วของรีวิว 2 เพื่อให้เราดูในข้อความที่จะดึงคุณสมบัติที่ไม่อาจสังเกตโดยใช้คะแนนเป็นตัวเลขง่าย ๆ

ผลลัพธ์ (ไทย) 2:

วิธีการของเรามีพื้นฐานอยู่บนสมมติฐานที่ว่าข้อความจริงของ
การตรวจสอบที่สำคัญ การทำเหมืองข้อความก่อนหน้านี้แนวทางที่มุ่งเน้น
ในการสกัดโดยอัตโนมัติขั้วของการตรวจสอบ [35] ที่ [36],
[37] [38], [39], [40], [41], [42], [43], [ 44], [45], [46] ในการตั้งค่าของเรา
คะแนนคะแนนที่เป็นตัวเลขแล้วให้ (โดยประมาณ)
ขั้วของการตรวจสอบ 2 เพื่อให้เรามองในข้อความที่จะดึงคุณสมบัติ
ที่เป็นไปไม่ได้ที่จะสังเกตเห็นโดยใช้การจัดอันดับเป็นตัวเลขที่เรียบง่าย

ผลลัพธ์ (ไทย) 3:

วิธีการของเราตั้งอยู่บนสมมติฐานที่เป็นจริง ตัวอักษรความคิดเห็นที่สำคัญ ทำเหมืองข้อความก่อนหน้านี้วิธีการเน้นในการสกัดโดยอัตโนมัติขั้วของทบทวน [ 3 ] [ 36 ][ 37 ] , [ 38 ] , [ 39 ] [ 40 ] , [ 41 ] , [ 42 ] , [ 43 ] , [ 44 ] , [ 45 ] , [ 46 ] ในการตั้งค่าของเราคะแนนการประเมินตัวเลขแล้วให้ ( โดยประมาณ )ขั้วของความคิดเห็นที่ 2 ดังนั้นเราดูในข้อความเพื่อแยกคุณลักษณะมันไม่ได้เป็นไปได้ที่จะสังเกตการใช้คะแนนเป็นตัวเลขง่ายๆ