今天把五個實驗的結果做個整理比較,
之後就根據整理的結果寫在論文上。
我總共做了五家旅館,
每間旅館各取前100則意見,
抓取feature的結果和劉兵的方法做比較之後,
recall都一樣,
precision平均高了6%。
recall都一樣的原因是因為,
依照min support抓出來的feature都是一樣的,
而我改善的方法是從這些抓出來的feature以name entity來去除多餘的feature,
所以precision會提高。
另外今天把修改過後的第1、2張放到了google document上。
沒有留言:
張貼留言