最近一直在做这样一个project,现在就来总结一下这种project有哪些方面的工作要做：
- 纠正错误的词，从可恢复的错误的词找到一个与之最接近的词，得到一个完整的语义
- 从一个大类的评论里面整合正评和负评，进行分类器训练。(数据的稀疏性已经把我吓得不知道怎么做了，草)
- 优化分类器。（分都不敢分了，还优化毛线）
- 这数据用svm分类真是够扯淡的。尼玛，草。我已經不打算分类，这怎么分类啊，一个向量，有的几乎全是0,有的还有那么几个分量不是0，这让人怎么分。有负词出现的几乎就可以断定是负例了。
- 现在还是主要将语义标注作为目标吧，不然那分类我又搞不出来，太寒碜了。看看nltk能不能拯救我了。加油。
step 1: 试图将svm分类器用到这种相当不平衡的数据中来。
网上提供的方案，有三种：a. weight 调整 b. 上采样 c.下采样