Our aim in this work was to examine

Our aim in this work was to examine whether it suffices to treat sentiment classification simply as a special case of topic-based categorization (with the two “topics” being positive sentiment and negative sentiment), or whether special sentiment-categorization methods need to be developed. We experimented with three standard algorithms: Naive Bayes classification, maximum entropy classification, and support vector machines. The philosophies behind these three algorithms are quite different, but each has been shown to be effective in previous text categorization studies.

Results (Vietnamese) 1:

Mục tiêu của chúng tôi trong công việc này là để kiểm tra xem nó suffices để điều trị tình cảm phân loại đơn giản là một trường hợp đặc biệt của phân loại chủ đề dựa trên (với hai "chủ đề" là tình cảm tích cực và tiêu cực tình cảm), hoặc cho dù phương pháp này đặc biệt tình cảm-loại cần được phát triển. Chúng tôi đã thử nghiệm với các thuật toán tiêu chuẩn ba: phân loại ngây thơ Bayes, tối đa entropy phân loại, và hỗ trợ vector máy. Triết lý đằng sau những thuật toán ba là khá khác nhau, nhưng mỗi đã được chứng minh là có hiệu quả trong nghiên cứu phân loại văn bản trước đây.

Results (Vietnamese) 2:

Mục đích của chúng tôi trong công việc này là để kiểm tra xem nó cũng đủ để điều trị phân loại tình cảm đơn giản là một trường hợp đặc biệt của phân loại dựa trên chủ đề (với hai "chủ đề" là tình cảm tích cực và tâm lý tiêu cực), hay phương pháp tâm lý-phân loại đặc biệt cần phải được phát triển. Chúng tôi đã thử nghiệm với ba thuật toán tiêu chuẩn: Naive Bayes phân loại, phân loại dữ liệu ngẫu nhiên tối đa, và máy vector hỗ trợ. Triết lý đằng sau những ba thuật toán là khá khác nhau, nhưng mỗi đã được chứng minh là có hiệu quả trong các nghiên cứu phân loại văn bản trước đó.