【发布时间】：2026-02-15 00:45:01
【问题描述】：
我已经计算了每个方面的一些值，并使用 sentiwordnet 确定了它的极性。
例如，这部电影很棒。这里的电影是一个方面，我使用一些指标来确定它的值，例如电影=1.5677，极性为正。以后如何识别精度和召回率？
【问题讨论】：
标签： nlp nltk stanford-nlp sentiment-analysis
【发布时间】：2026-02-15 00:45:01
【问题描述】：
由于您没有离散分类器，因此精确度将是您计算的分数与真实分数的接近程度（例如平方和误差或绝对误差之和会起作用）。如果你有一个离散分类器，你可以只计算正确分类的数量。
召回率是您能够成功提取的方面的百分比。因此，对于您的示例，您提取了唯一的方面，得分为1.0。如果输入是“披萨和电影很棒”，而您只提取了“电影”，那么您的召回分数将为0.5。
通常您可以将准确率和召回率分数组合成F-Measure，但由于您没有离散分类器，您可能无法使用F-Measure。
【讨论】：
-
我们如何为此做离散分类器？
-
你只能有 3 个级别：消极、中立和积极
-
根据您的记分员的工作方式，您可以定义与每个级别相关的范围
-
看不懂请详细解释。我使用负面、中性和正面来进行情绪分析的极性识别。但是我们如何才能做到这一点。
-
我明白了，所以你的方面有分数？这个分数是什么意思/它来自哪里？如果您有一个
(aspect, sentiment)对，那么您可以将召回率计算为提取的方面的百分比。然后，您将获得两个精度分数：a) 提取的方面有多少百分比实际上是方面，b) 情感有多少百分比是正确的。
为了在 NLP 中评估您的模型，我们可以使用它：
1.评估方面提取模型：
TP： （真阳性） 正确提取的方面数 FP： （假阳性） 被注释但未被算法提取的方面的数量 FN： （假阴性） 未被注释但由算法提取的方面的数量 田纳西州： （真阴性） 算法未标注且未提取的方面数
2。评估情感分类模型：
TP： 算法正确计算的情感极性分数的数量 FP： 算法计算错误的情感极性分数的数量 不相关 FN： 未分配情感但由算法计算的方面的数量 TN： 未分配情感且未由算法计算的方面数
【讨论】：