关于情感分析评论情感分类的一点思考

1.我们通常在计算词汇表的时候，会排除那些出现次数太少的单词，从而降低文本维度。
这个想法不错
据说贝叶斯算法对文本分类用的多，可惜目前准确率不如svm
2.基于属性词典的分类方式，目前市面上没有关于手机各属性的词典，所以涉及到自己构建属性词典。这个想法也不错，可以尝试选出几个关键词进行分类。

3.CountVectorize
CountVectorizer是属于常见的特征数值计算类，是一个文本特征提取方法。对于每一个训练文本，它只考虑每种词汇在该训练文本中出现的频率。
CountVectorizer会将文本中的词语转换为词频矩阵，它通过fit_transform函数计算各个词语出现的次数。
这也是一种文本化数值方法 值得尝试。
博客园情感分析已收藏，慢慢学习试一下
4.最后正确率低于80的话用bert试一下，bert是近期最新的很好用的一个情感分析框架，涵盖情感分析的各个方面。听说效果很好。