EXPERIMENTAL METHODOLOGYAs mentione

EXPERIMENTAL METHODOLOGY
As mentioned in Section I, our goal is to predict the
winning political party of the Pakistan 2013 elections. For
this, we train predictive models for each party and test them to
predict the winning party. Our prediction (classification)
labels are Pro and Anti; Pro represents a positive sentiment
favoring the party and Anti represents a negative one. We
constructed three separate attribute matrices for each political
party, and use them to construct predictive models using
tweets from 1st January, 2013 till 7th May, 2013. Specifically,
we manually visualized and extracted those tweets for each
party which contained those attributes that represent either a
Pro or Anti opinion. We rejected tweets with a neutral opinion. For example, the PTI matrix contains attributes like
"IMRANKHAN" (sentiment for PTI candidate Imran Khan),
"TEHREEKEINSAAF" (sentiment for PTI),
"IK4NayaPakistan" (support Imran Khan for a New Pakistan),
"StampOnBat" (vote for bat which is the electoral image for
PTI) etc. Having identified the attributes, we then updated the
respective column for an attribute with a ‘0’ if the attribute is
not found in the tweet and ‘1’ if the attribute exists. Finally,
we labeled each tweet with either Pro or Anti. Table I shows a
snapshot of the PTI matrix with both attributes and labels, and
Table II shows a snapshot from the MQM matrix with only
the labels.

ผลลัพธ์ (ไทย) 1:

วิธีทดลอง
ดังกล่าวในส่วนของฉัน เป้าหมายของเราคือการ คาดการณ์
ชนะพรรคการเมืองของการเลือกตั้ง 2013 ปากีสถาน สำหรับ
นี้ เราฝึกแบบจำลองการคาดการณ์สำหรับแต่ละฝ่าย และทดสอบให้
ทำนายว่า พรรคชนะ เราคาดเดา (จัดประเภท)
ป้ายมี Pro และป้องกัน โปรแทนความเชื่อมั่นบวก
นความพรรคและป้องกันแทนหนึ่งลบ เรา
สร้างเมทริกซ์แอตทริบิวต์ที่แยกต่างหากสามสำหรับแต่ละเมือง
ปาร์ตี้ และใช้ในการสร้างแบบจำลองการคาดการณ์ใช้
ฟีดจาก 1 มกราคม 2013 จนถึง 7 พฤษภาคม 2013 โดยเฉพาะ,
เรา visualized ด้วยตนเอง และดึงข้อมูลเหล่านั้นเข้ามาในแต่ละ
บุคคลซึ่งคุณลักษณะเหล่านั้นที่แสดงถึงการมีอยู่การ
Pro หรือต่อ ต้านความคิด เราปฏิเสธการเข้ามา มีความเห็นเป็นกลาง ตัวอย่าง เมตริกซ์ PTI ประกอบด้วยแอตทริบิวต์เช่น
"IMRANKHAN" (ความเชื่อมั่นสำหรับผู้สมัคร PTI แคโรคัน),
"TEHREEKEINSAAF" (ความเชื่อมั่นสำหรับ PTI),
"IK4NayaPakistan" (สนับสนุนแคโรคันปากีสถานใหม่),
"StampOnBat" (เสียงสำหรับค้างคาวซึ่งเป็นภาพการเลือกตั้งสำหรับ
PTI) ฯลฯ มีระบุคุณลักษณะ เราแล้วปรับปรุงการ
ลำดับคอลัมน์สำหรับแอตทริบิวต์ด้วยเป็น '0' ถ้าแอตทริบิวต์
ไม่พบในการ tweet และ '1' ถ้ามีแอททริบิวต์ สุดท้าย,
เราป้ายแต่ละ tweet กับ Pro หรือป้องกัน ตารางผมแสดงเป็น
ของเมตริกซ์ PTI กับแอตทริบิวต์และป้ายชื่อ และ
ตาราง II แสดง snapshot จากเมทริกซ์ MQM มีเฉพาะ
ป้ายชื่อ

ผลลัพธ์ (ไทย) 3:

วิธีการทดลองตามที่ระบุไว้ในมาตรา แม่ เป้าหมายของเราคือการ ทำนาย
ชนะพรรคการเมืองของปากีสถาน 2013 ครั้ง สำหรับ
นี้ เราฝึกแบบพยากรณ์สำหรับแต่ละบุคคลและทดสอบพวกเขา
ทำนายพรรคที่ชนะ การทำนายของเรา ( หมวดหมู่ )
ฉลาก Pro และต่อต้าน ; Pro เป็นบวกความเชื่อมั่น
3 พรรคและต่อต้านเป็นทางลบ เรา
สร้างคุณลักษณะสามแยกเมทริกซ์แต่ละพรรคการเมือง
และใช้พวกเขาเพื่อสร้างสมการทำนายโดยใช้
ทวีตจาก 1 มกราคม 2013 ถึง 7 พฤษภาคม 2013 โดย
เราด้วยตนเองมองเห็นและสกัด tweets ที่แต่ละพรรค ซึ่งมีคุณลักษณะเหล่านั้น

ที่เป็นตัวแทนทั้งโปรหรือต่อต้านความคิดเห็น เราปฏิเสธทวีตที่มีความคิดเห็นเป็นกลาง ตัวอย่างเช่นเมทริกซ์ที่ประกอบด้วยคุณลักษณะเช่น PTI
" มร ข่าน " ( ซึ้ง PTI ผู้สมัคร Imran Khan ) ,
" tehreekeinsaaf " ( ซึ้ง PTI )
" ik4nayapakistan " สนับสนุน ( Imran Khan ใหม่สำหรับปากีสถาน )
" stamponbat " ( โหวตให้ค้างคาวซึ่งเป็นภาพเลือกตั้ง
PTI ) ฯลฯ มีระบุคุณลักษณะ เราก็ปรับปรุงคอลัมน์
ที่เกี่ยวข้องสำหรับแอตทริบิวต์ด้วย ' 0 ' ถ้าคุณสมบัติ
ไม่พบในทวิตและ ' 1 ' ถ้าคุณสมบัติที่มีอยู่ ในที่สุด
เราติดป้ายแต่ละ tweet กับโปรหรือต่อต้าน ตารางที่ผมแสดงให้เห็นภาพรวมของ PTI
เมทริกซ์ที่มีทั้งคุณลักษณะและป้ายชื่อ และโต๊ะที่ 2
แสดงภาพรวมจากมคิวเ มเมทริกซ์ที่มีเพียง
ป้าย