采用NB和SVM机器学习算法进行特征选择与极性分类的研究论文

由于数据的非结构化性质、俚语、拼写错误和客户在发表评论或评论时使用的缩写，情感分析及其对社交数据的分类如今已变得具有挑战性。 使用机器学习方法进行情感分析有助于找到有用的模式并得出预测，这对于提高整体产品和客户满意度的决策很重要。 在本文中，我们使用 Iphone、Vivo 和 Red MI 等著名移动品牌的推文。 机器学习算法（如朴素贝叶斯和 SVM）用于查找推文的极性，如正面、负面或中性。 这有助于找到流行品牌。 我们还使用精度和召回率以及 f 度量等度量来比较这些算法的整体准确性。