用mysql做文本挖掘_用Rapidminer做文本挖掘的应用：情感分析

在Process Document运算符下，发生嵌套操作，例如对单词进行标记，过滤停止单词。

然后使用两个运算符，例如Store和Validation运算符，如图1所示。Store运算符用于将字向量输出到我们选择的文件和目录中。验证算子(交叉验证)是评估统计模型准确性和有效性的一种标准方法。我们的数据集分为两个部分，一个训练集和一个测试集。仅在训练集上训练模型，并在测试集上评估模型的准确性。重复n次。双击验证运算符。将有两个面板-培训和测试。在“训练”面板下，使用了线性支持向量机(SVM)，这是一种流行的分类器集，因为该函数是所有输入变量的线性组合。为了测试模型，我们使用“应用模型”运算符将训练集应用于我们的测试集。为了测量模型的准确性，我们使用“

Performance”运算符。

然后运行模型。类召回率％和精度％的结果如图5所示。模型和向量单词表存储在存储库中。

图5

然后从之前存储的存储库中检索模型和矢量单词表。然后从检索单词列表连接到图6所示的流程文档操作符。

然后单击“流程文档”运算符，然后单击右侧的编辑列表。这次，我从网站添加了5条电影评论的列表，并将其存储在目录中。为类名称分配未标记的名称，如图7所示。

Apply

Model运算符从Retrieve运算符中获取一个模型，并从Process文档中获取未标记的数据作为输入，然后将所应用的模型输出到“实验室”端口，因此将其连接到“

res”(结果)端口。结果如下所示。当您查看《悲惨世界》时，有86.4％的人认为它是正面的，而13.6％的人认为是负面的，这是因为评论与正极性词表的匹配度高于负面。

图8