ing an automatically tagged corpus

ing an automatically tagged corpus of tweets. Instead of
hashtags, the presence of emotions was used to tag tweets
as having either `positive' or `negative' sentiment, with `neutral'
training data sourced from newspaper twitter accounts.
Their system achieved around 60% accuracy for the threeclass
problem using a Nave Bayes classier trained on POS
tags and n-grams. As in [12], accuracy was found to increase
monotonically with the training dataset size, albeit with diminishing
returns. Uni-grams and bi-grams used together
were found to be best, a nding that agreed with

ผลลัพธ์ (ไทย) 1:

ing คอร์ปัสการติดแท็กอัตโนมัติของทวี แทนที่แฮชแท็ก การปรากฏตัวของอารมณ์ใช้แท็กทวีมี 'บวก' หรือ 'ลบ' ความเชื่อมั่น มี 'เป็นกลาง'ข้อมูลการฝึกอบรมที่มาจากหนังสือพิมพ์ทวิตเตอร์บัญชีระบบของพวกเขาทำได้ใกล้เคียงความถูกต้อง 60% สำหรับ threeclass การปัญหาการใช้นาวีอีโซลาร์ Bayes classi เอ้อ ฝึกบน POSแท็กและ n กรัม ใน [12], พบความแม่นยำเพื่อเพิ่มเส้นกับในชุดฝึกอบรมขนาด แม้ว่าลดลงส่งกลับ Uni-กรัมและสองกรัมใช้ร่วมกันพบว่าดีที่สุด ต่อที่ตกลงกับ

ผลลัพธ์ (ไทย) 2:

ไอเอ็นจีคลังแท็กโดยอัตโนมัติของทวิตเตอร์ แทนที่จะ
hashtags การปรากฏตัวของอารมณ์ที่ใช้ในการติดแท็กทวิตเตอร์
ว่ามีทั้ง `บวก 'หรือ` เชิงลบ' ความเชื่อมั่นด้วย `เป็นกลาง '
ข้อมูลการฝึกอบรมที่มาจากหนังสือพิมพ์ Twitter.
ระบบของพวกเขาประสบความสำเร็จในรอบความถูกต้อง 60% สำหรับ threeclass
ปัญหาในการใช้ นา ?? ve เบส์ ER จัดประเภทการฝึกอบรมใน POS
แท็กและ n-กรัม ในขณะที่ [12] ความถูกต้องก็จะพบว่าเพิ่ม
monotonically มีขนาดชุดฝึกอบรมแม้จะมีการลดลง
ผลตอบแทน Uni-กรัมและสองกรัมใช้ร่วมกัน
พบว่ามีดีที่สุด nding ที่ตกลงกันไว้ด้วย

ผลลัพธ์ (ไทย) 3:

ไอเอ็นจีโดยอัตโนมัติแท็กคลังข้อมูลของข้อความ แทนแฮชแท็ก , การปรากฏตัวของอารมณ์ ใช้แท็กทวีตมีความเชื่อมั่นทั้งบวกลบ ` ' หรือ ` ` ' ' ด้วยความเป็นกลางข้อมูลการฝึกอบรมที่มาจากหนังสือพิมพ์ twitterของระบบได้ประมาณ 60 % ความถูกต้องสำหรับ threeclassปัญหาการใช้โบสถ์ Bayes ดูมีระดับการฝึกอบรมในโปรแกรมแท็กและ n-grams . ใน [ 12 ] , พบเพื่อเพิ่มความถูกต้องmonotonically ด้วยการฝึกอบรมชุดข้อมูลขนาด , แม้ว่า กับงานกลับมา กรัม UNI และบีกรัมที่ใช้ร่วมกันพบว่ามีการส่งที่ดีที่สุด ที่ตกลงกับ