情绪分析Google预测API

Question

我正在阅读关于Google预测API的文章，我无法理解其中的一部分文档。

在用例中，我被困在了这个部分：

每一行只能分配一个标签，但您可以通过重复一个示例并对每个示例应用不同的标签，将多个标签应用于一个示例。例如：“兴奋”，“天哪！刚刚度过了美妙的一天！”“真烦人”，“天哪！今天过得真棒！”如果你发一条推特给这个模型，你可能会得到这样的分类：“兴奋”：0.6，“烦人”：0.2。

为什么它会写“兴奋”：0.6，“烦人”：0.2，而没有更多关于兴奋的特性。为什么更喜欢兴奋？

Answer 1

这并不是说“兴奋”这个标签是首选的，而是信息实际上应该被归类为“兴奋”而不是“烦恼”的可能性。

假设我对情绪有两个分类：“看涨”和“看跌”。然后，我用“看涨”和“看跌”训练数据，在预测API中训练一个模型。当我向预测API提交消息以获得情绪时，它会读取文本，并根据消息中的单词指定一个“看涨”和“看跌”的概率。概率之和将达到1。

因此，这并不是说一个标签比另一个标签更受欢迎，而是信息“兴奋”的概率是“恼怒”的3倍。

Answer 2

如果你用这两个例子来训练模型，“兴奋”和“烦人”标签上的句子“天哪！真是精彩的一天！”，当你查询这条推文的分类时，唯一合理的结果就是“天哪！真是精彩的一天！”应该是“兴奋”：0.5，“烦人”：0.5。

因此，这种情况可能在Google文档中没有得到很好的解释。我想他们会更加专注于解释，把两个不同的标签和相同的句子联系起来是可能的。