1. All conjunctions of adjectives a

1. All conjunctions of adjectives are extracted
from the given corpus.
2. A supervised learning algorithm combines
multiple sources of evidence to label pairs of
adjectives as having the same semantic orientation or different semantic orientations. The result is a graph where the nodes are adjectives
and links indicate sameness or difference of
semantic orientation.
3. A clustering algorithm processes the graph
structure to produce two subsets of adjectives,
such that links across the two subsets are
mainly different-orientation links, and links inside a subset are mainly same-orientation links.
4. Since it is known that positive adjectives
tend to be used more frequently than negative
adjectives, the cluster with the higher average
frequency is classified as having positive semantic orientation.

Results (Indonesian) 1:

1. semua kata kata sifat yang diambildari corpus tertentu.2. belajar diawasi algoritma menggabungkanbeberapa sumber bukti untuk Pasang labelkata sifat sebagai memiliki orientasi semantik yang sama atau berbeda semantik orientasi. Hasilnya adalah grafik di mana node adalah kata sifatdan link menunjukkan kesamaan atau perbedaansemantik orientasi.3. sebuah clustering algoritma proses grafikstruktur untuk menghasilkan dua subset dari kata sifat,sedemikian rupa sehingga link di subset duaterutama link berbeda-orientasi, dan link dalam subset adalah terutama sama-orientasi link.4. karena dikenal positif bahwa kata sifatcenderung digunakan lebih sering daripada negatifkata sifat, cluster dengan rata-rata lebih tinggifrekuensi diklasifikasikan sebagai memiliki orientasi semantik yang positif.

Results (Indonesian) 2:

1. Semua konjungsi dari kata sifat yang diambil
dari corpus diberikan.
2. Sebuah algoritma pembelajaran terawasi menggabungkan
berbagai sumber bukti untuk label pasang
kata sifat sebagai memiliki orientasi semantik yang sama atau orientasi semantik yang berbeda. Hasilnya adalah grafik di mana node kata sifat
dan link menunjukkan kesamaan atau perbedaan
orientasi semantik.
3. Sebuah algoritma clustering memproses grafik
struktur untuk menghasilkan dua himpunan bagian dari kata sifat,
sehingga link di dua himpunan bagian yang
terutama link yang berbeda-orientasi, dan link dalam subset terutama link yang sama-orientasi.
4. Karena diketahui bahwa kata sifat positif
cenderung digunakan lebih sering daripada yang negatif
kata sifat, cluster dengan rata-rata lebih tinggi
frekuensi diklasifikasikan sebagai memiliki orientasi semantik positif.