After constructing the classifiers

After constructing the classifiers for each product category,
we used the resulting classification models in the remaining,
unseen reviews. Instead of classifying each review as subjective
or objective, we instead classified each sentence in each review
as either “objective” or “subjective,” keeping the probability
being subjective Pr subj(s) for each sentence s. Hence, for each
review, we have a “subjectivity” score for each of the sentences

ผลลัพธ์ (ไทย) 1:

หลังจากสร้างคำหลักภาษาสำหรับแต่ละประเภทผลิตภัณฑ์เราใช้รุ่นจำแนกผลลัพธ์ในส่วนเหลือความคิดเห็นเป็นเพื่อนกัน แทนที่จะรีวิวเป็นอัตนัยแต่ละประเภทหรือวัตถุ ประสงค์ เราแทนจำแนกแต่ละประโยคในแต่ละการรักษาน่าจะเป็น "วัตถุประสงค์" หรือ "อัตนัย"เป็นอัตนัย Pr subj(s) สำหรับแต่ละประโยคดังนั้น สำหรับแต่ละรีวิว เรามีคะแนน "subjectivity" สำหรับแต่ละประโยค

ผลลัพธ์ (ไทย) 2:

หลังจากสร้างลักษณนามสำหรับประเภทแต่ละผลิตภัณฑ์
ที่เราใช้ส่งผลให้รูปแบบการจัดหมวดหมู่ในเหลือ
ความคิดเห็นที่มองไม่เห็น แทนการแบ่งประเภทของแต่ละความเป็นอัตนัย
หรือวัตถุประสงค์เราแทนที่จะจัดในแต่ละประโยคแต่ละรีวิว
เป็นทั้ง "เป้าหมาย" หรือ "อัตนัย" การรักษาความน่าจะ
เป็นอัตนัย Pr เรื่องแจ้ง (s) สำหรับแต่ละประโยค s ดังนั้นสำหรับแต่ละ
การตรวจสอบเรามี "ผู้กระทำ" คะแนนสำหรับแต่ละประโยค

ผลลัพธ์ (ไทย) 3:

หลังจากสร้างคำสำหรับผลิตภัณฑ์แต่ละประเภทเราใช้ผลการจำแนกแบบที่เหลือความคิดเห็นที่ที่มองไม่เห็น แทนประเภทของการทบทวนแต่ละเป็นอัตวิสัยหรือวัตถุประสงค์ที่เราแทนแยกแต่ละประโยคในแต่ละรีวิวเป็นทั้ง " เป้าหมาย " หรือ " อัตนัย " การรักษาความน่าจะเป็นเป็นอัตนัย พีอาร์ หัวเรื่อง ( s ) แต่ละประโยคแต่ละ . ดังนั้นความคิดเห็นที่เรามี " อัตวิสัย " คะแนนของแต่ละประโยค