当一种算法表示肯定和一种否定时，如何调整情绪分析？

如何解决当一种算法表示肯定和一种否定时，如何调整情绪分析？

我目前正在从事一个项目，我使用 [Google CNL] 1 和 [PyFeel] 2 对数据集进行情感分析。

我已经阅读了很多关于如何调整分类器的文章和技巧，但我更多的是在寻找一些想法：当技术 1 表示积极而技术 2 表示消极时该怎么办？

在这种情况下我该怎么办？

解决方法

在一般的机器学习案例中，这就是集成的全部意义：获取多个模型的输出并做出决策。因此，您可以在那里阅读大量文献。

当您有两个模型时，选择将归结为：

• 总结他们的信心
• 多信任一个
• 获得第三意见作为决胜局。
• 不做决定/上报给人类

如果两个模型是二元分类器，那么你不能使用第一个想法（也就是说如果模型 A 说它是 +0.7 积极情绪，而模型 B 说它是 -0.4 消极情绪，那么总和是 +0.3，所以是肯定的）。

第二个想法，只有两个二元分类器模型，使您不太可信的模型毫无意义。但是，如果您有要使用的分数，它会很有用。扩展前面的例子，如果你信任模型 B 两倍，+0.7 + (-0.4 * 2) = -0.1。

即因为您更信任模型 B，所以您允许它的 -0.4 覆盖模型 A 的 +0.7，并确定它是否定的。