zoukankan      html  css  js  c++  java
  • PMI点互信息算法

    一、点互信息算法

        点互信息算法是为了计算两个词语之间的相关性,公式如下:

     p(word1  & word2)代表的是两个单词同时出现的概率(两个单词同时出现的次数/总词数的平方)

     p(word1)是word1出现的概率(word1出现的次数/总次数)

     p(word2)是word2出现的概率(word1出现的次数/总次数)

    结果:

    PMI > 0;两个词语是相关的;值越大,相关性越强。

    PMI = 0;两个词语是统计独立的,不相关也不互斥。

    PMI < 0;两个词语是不相关的,互斥的。

    二、情感倾向点互信息算法(SO-PMI)

           选用一组褒义词(Pwords)跟一组贬义词(Nwords)作为基准词。若把一个词语word1跟Pwords的点间互信息减去word1跟Nwords的点间互信息会得到一个差值,就可以根据该差值判断词语word1的情感倾向。

    SO(phrase)>0 正面倾向,是褒义词

    SO(phrase)=0 为中性词

    SO(phrase)<0 为贬义词

  • 相关阅读:
    线性dp 打鼹鼠
    区间dp 能量项链 洛谷p1063
    洛谷 CF1012C Hills (动态规划)
    交作业了 动态规划 木棍加工
    最短路之Floyd
    最小生成树
    寒假集训并查集初级版
    【倍增DP】——保卫王国
    bootstrap四部分概述
    zrender初识
  • 原文地址:https://www.cnblogs.com/zhang12345/p/15708525.html
Copyright © 2011-2022 走看看