To test this latter hypothesis, we

To test this latter hypothesis, we asked two graduate students in computer science to (independently)
choose good indicator words for positive and negative sentiments in movie reviews. Their selections,
shown in Figure 1, seem intuitively plausible. We
then converted their responses into simple decision
procedures that essentially count the number of the
proposed positive and negative words in a given document. We applied these procedures to uniformlydistributed data, so that the random-choice baseline
result would be 50%.

Results (Indonesian) 1:

Untuk menguji hipotesis ini kedua, kami meminta dua mahasiswa pascasarjana dalam ilmu komputer untuk (independen)memilih kata-kata indikator baik untuk sentimen positif dan negatif dalam film ulasan tamu. Pilihan mereka,ditunjukkan dalam gambar 1, masuk akal intuitif. Kamikemudian dikonversi tanggapan mereka menjadi keputusan sederhanaprosedur yang pada dasarnya menghitung jumlahdiusulkan positif dan negatif kata dalam sebuah dokumen yang diberikan. Kami menerapkan prosedur ini data uniformlydistributed, sehingga baseline acak-pilihanHasilnya akan menjadi 50%.

Results (Indonesian) 2:

Untuk menguji hipotesis terakhir ini, kami meminta dua mahasiswa pascasarjana dalam ilmu komputer untuk (independen)
memilih kata-kata indikator yang baik untuk sentimen positif dan negatif dalam ulasan film. Pilihan mereka,
yang ditunjukkan pada Gambar 1, tampak intuitif masuk akal. Kami
kemudian diubah tanggapan mereka menjadi keputusan sederhana
prosedur yang pada dasarnya menghitung jumlah dari
kata-kata positif dan negatif yang diusulkan dalam dokumen yang diberikan. Kami menerapkan prosedur ini data uniformlydistributed, sehingga acak-pilihan dasar
hasil akan menjadi 50%.