As can be seen, PTI has the highest

As can be seen, PTI has the highest percentage of Pro
predictions for each day, which considerably outnumber the
Pro predictions for both PMLN and MQM. Consequently,
both PMLN and MQM have very high Anti predictions. These
results clearly show that twitter sentiments predict PTI as the
winning party, and at the same time, predict PMLN and MQM
to lose heavily. In order to further verify our results, we
manually labeled the tweets in each test matrix (as Pro or
Anti) and compared these labels with the predicted ones. The
results are shown in Table X. We made manual Anti
predictions for MQM and PMLN, and manual Pro prediction
for PTI. Also, the predictions are expressed as average over 4
days (8th-11th May). We can see that the Pro prediction is still
the highest for PTI, followed by PMLN and the MQM. This
result strongly reinforces our statement that Twitter sentiments
predict PTI as the winning party. Nevertheless, we do observe
a drastic increase in the Pro prediction for PMLN, which
signals a type of “bias” in learning. However, this bias is
associated with the users’ sentiments, and may required
extensive experimentation with different parameters and
algorithms (which is outside the scope of this work).

ผลลัพธ์ (ไทย) 1:

สามารถมองเห็น PTI มีเปอร์เซ็นต์สูงสุดของ Pro
คาดคะเนในแต่ละวัน ซึ่งมีจำนวนมากกว่ามาก
คาดคะเนโป PMLN และ MQM ดังนั้น,
PMLN และ MQM มีสูงมากต่อต้านคาดคะเน เหล่านี้
ผลลัพธ์ชัดเจนแสดงว่า รู้สึกทวิตเตอร์ทำนาย PTI เป็น
ชนะพรรค และในเวลาเดียวกัน ทาย PMLN และ MQM
เสียมาก เพื่อเพิ่มเติม ตรวจสอบผลลัพธ์ของเรา เรา
ป้ายเข้ามาในเมทริกซ์แต่ละการทดสอบด้วยตนเอง (เป็น Pro หรือ
ป้องกัน) และเปรียบเทียบป้ายชื่อเหล่านี้ มีคนคาดการณ์ ใน
ผลลัพธ์จะแสดงอยู่ในตาราง X เราทำการป้องกันตนเอง
คาดคะเน MQM และ PMLN และคู่มือโปรทำนาย
สำหรับ PTI ยัง การคาดคะเนจะแสดงเป็นเฉลี่ยกว่า 4
วัน (8-11 พฤษภาคม) เราจะเห็นว่า การคาดเดา Pro จะยังคง
สูงสุดสำหรับ PTI ตาม ด้วย PMLN และ MQM นี้
ผลอย่างยิ่ง reinforces งบของเรารู้สึกว่า Twitter
ทำนาย PTI เป็นฝ่ายชนะ อย่างไรก็ตาม เราสังเกต
เพิ่มรุนแรงในการคาดเดา Pro สำหรับ PMLN ซึ่ง
สัญญาณชนิดของ "อคติ" ในการเรียนรู้ อย่างไรก็ตาม ความโน้มเอียงนี้คือ
เกี่ยวข้องกับผู้ที่รู้สึก และอาจต้อง
ทดลองอย่างละเอียด ด้วยพารามิเตอร์ต่าง ๆ และ
(ซึ่งอยู่นอกขอบเขตของงานนี้)

ผลลัพธ์ (ไทย) 2:

ที่สามารถมองเห็น, PTI มีเปอร์เซ็นต์สูงสุดของ Pro
การคาดการณ์ในแต่ละวันซึ่งมีจำนวนมากกว่ามาก
คาดการณ์ Pro สำหรับทั้ง PMLN และเอ็ม ดังนั้น
ทั้งสอง PMLN และเอ็มมีการคาดการณ์ป้องกันที่สูงมาก เหล่านี้
ผลอย่างชัดเจนแสดงให้เห็นว่ารู้สึก twitter ทำนาย PTI เป็น
ฝ่ายชนะและในเวลาเดียวกันการทำนาย PMLN และเอ็ม
ที่จะสูญเสียอย่างหนัก เพื่อที่จะไปตรวจสอบผลของเราที่เรา
ติดป้ายด้วยตนเองทวีตในแต่ละเมทริกซ์การทดสอบ (เช่น Pro หรือ
ต่อต้าน) และเมื่อเทียบกับป้ายชื่อเหล่านี้กับคนที่คาดการณ์ไว้
ผลที่แสดงในตารางที่เอ็กซ์ที่เราได้ทำคู่มือการป้องกัน
การคาดการณ์สำหรับเอ็มและ PMLN และคู่มือการทำนาย Pro
สำหรับ PTI นอกจากนี้คาดการณ์จะแสดงเป็นค่าเฉลี่ยในช่วง 4
วัน (08-11 พฤษภาคม) เราจะเห็นว่าการทำนาย Pro ยังคง
สูงสุดสำหรับ PTI ตาม PMLN และเอ็ม นี้
ผลอย่างยิ่งตอกย้ำคำสั่งของเราที่รู้สึก Twitter
ทำนาย PTI เป็นฝ่ายชนะ แต่ที่เราทำสังเกต
เพิ่มขึ้นอย่างมากในการทำนาย Pro สำหรับ PMLN ซึ่ง
ส่งสัญญาณประเภทของ "อคติ" ในการเรียนรู้ แต่อคตินี้จะ
เกี่ยวข้องกับความรู้สึกของผู้ใช้และอาจจำเป็นต้องมี
การทดลองอย่างกว้างขวางกับพารามิเตอร์ที่แตกต่างกันและ
ขั้นตอนวิธี (ซึ่งอยู่นอกขอบเขตของการทำงานนี้)

ผลลัพธ์ (ไทย) 3:

สามารถเห็น PTI ได้เปอร์เซ็นต์สูงสุดของการคาดคะเนโปร
สำหรับแต่ละวัน ซึ่งมากมากกว่า
Pro สำหรับการพยากรณ์และทั้ง pmln มคิวเ ม . โดย
ทั้ง pmln มคิวเ มได้สูงมาก และป้องกัน คาดคะเน ผลลัพธ์เหล่านี้แสดงให้เห็นอย่างชัดเจนว่า ที่ระลึก

Twitter ทำนาย PTI เป็นฝ่ายชนะ และใน เวลาเดียวกัน และทำนาย pmln มคิวเ ม
สูญเสียอย่างหนักเพื่อที่จะไปยืนยันผลของเราเรา
ตนเองติดป้ายทวีตในแต่ละทดสอบเมทริกซ์ ( เป็นโปรหรือ
ต่อต้าน ) และเปรียบเทียบป้ายเหล่านี้กับคาดการณ์ที่
ผลจะแสดงในตาราง X . เราทำคู่มือต่อต้าน
ทำนายและมคิวเ ม pmln และ
Pro พยากรณ์คู่มือ PTI . นอกจากนี้ การคาดการณ์จะแสดงเป็นเฉลี่ยกว่า 4
วัน ( 8th-11th อาจ ) เราสามารถดูได้ว่าโปรพยากรณ์ยัง
สูงสุดสำหรับ PTI , ตามด้วย pmln และมคิวเ ม . ผลนี้
ขอผ่านงบของเราที่ Twitter ความรู้สึก
ทำนาย PTI เป็นฝ่ายชนะ อย่างไรก็ตาม เราสังเกตการเพิ่มขึ้นอย่างมากใน Pro พยากรณ์ pmln ซึ่ง
สัญญาณชนิดของ " อคติ " ในการเรียนรู้ อย่างไรก็ตาม อคตินี้
ที่เกี่ยวข้องกับความรู้สึกของผู้ใช้ และอาจต้อง
ด้วยการทดลองกับพารามิเตอร์ที่แตกต่างกันและ
อัลกอริทึม ( ซึ่งอยู่ภายนอกขอบเขตของงานนี้ )