بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 34: احساس مثبت یا منفی Positive or Negative?

تحلیل احساس: به هر کلمه یک وزن مثبت یا منفی می‌دهیم، جمع می‌زنیم و تصمیم می‌گیریم. بعد می‌گذاریم وزن‌ها از مثال‌ها یاد گرفته شوند.

در این جلسه یاد می‌گیری

درس

فروشگاه‌ها هزاران نظر مشتری دارند؛ کسی نمی‌تواند همه را بخواند. تحلیل احساس یعنی برنامه‌ای که بگوید یک نظر مثبت است یا منفی. ساده‌ترین راه: یک فرهنگ کلمه‌ها با وزن. great می‌شود +۲، bad می‌شود −۲، okay می‌شود +۰.۵. وزن کلمه‌های جمله را جمع می‌زنیم؛ مثبت یعنی خوشحال، منفی یعنی ناراحت.

weights = {"great": 2, "good": 1, "love": 2, "okay": 0.5,
           "bad": -2, "boring": -1, "hate": -2, "slow": -1}

def score(sentence):
    total = 0
    for word in sentence.lower().split():
        total = total + weights.get(word, 0)
    return total

print(score("the game is great and I love it"))   # 4
print(score("boring and slow"))                   # -2

weights.get(word, 0) یعنی «وزن کلمه را بده، و اگر در فرهنگ نبود صفر». این مهم است چون بیشتر کلمه‌ها (the، is، and) خنثی‌اند و در فرهنگ نیستند. بدون get خطای KeyError می‌گرفتی.

مشکل اول: «نه». جمله‌ی not good با فرهنگ ما مثبت می‌شود، چون good +۱ دارد و not صفر! قاعده‌ی ساده: اگر کلمه‌ی قبلی not بود، وزن را برعکس کن. برای این باید کلمه‌ی قبلی را یادمان بماند.

def score(sentence):
    total = 0
    previous = ""
    for word in sentence.lower().split():
        w = weights.get(word, 0)
        if previous == "not":
            w = -w
        total = total + w
        previous = word
    return total

print(score("not good"))        # -1
print(score("not bad at all"))  # 2

مشکل دوم: چه کسی وزن‌ها را می‌نویسد؟ تا حالا ما. اما مثل همیشه، بهتر است یاد گرفته شوند. ایده‌ی ساده: جمله‌های برچسب‌دار داریم (مثبت/منفی). برای هر کلمه بشمار چند بار در جمله‌های مثبت و چند بار در منفی آمده. وزن کلمه = (تعداد مثبت − تعداد منفی). کلمه‌ای که فقط در نظرهای خوب می‌آید، مثبت می‌شود.

reviews = [
    ("great game love it", 1),
    ("good fun great", 1),
    ("boring and slow", -1),
    ("bad bad boring", -1),
]

def learn_weights(reviews):
    weights = {}
    for sentence, label in reviews:
        for word in sentence.split():
            weights[word] = weights.get(word, 0) + label
    return weights

print(learn_weights(reviews))
# {'great': 2, 'game': 1, 'love': 1, 'it': 1, 'good': 1, 'fun': 1, 'boring': -2, 'and': -1, 'slow': -1, 'bad': -2}

دقت کن and وزن −۱ گرفت، فقط چون اتفاقی در یک نظر منفی بود. با چهار جمله این پیش می‌آید؛ با هزار جمله and تقریباً به اندازه‌ی مساوی در هر دو طرف می‌آید و وزنش نزدیک صفر می‌شود. داده‌ی بیشتر = وزن‌های منصفانه‌تر. این همان درسی است که در کل دوره تکرار شد.

محدودیت‌ها را بشناس: کنایه («عالی بود، فقط سه بار خراب شد!») مدل را گول می‌زند. کلمه‌ی تازه‌ای که در آموزش نبوده وزن صفر دارد. و اگر داده‌ی آموزش فقط نظرِ بازی باشد، روی نظرِ رستوران بد کار می‌کند. در گزارش پروژه این‌ها را بنویس. مدل‌های بزرگ هم همین مشکل‌ها را دارند، فقط کمتر.

اشتباه رایج: weights[word] به جای weights.get(word, 0) که برای کلمه‌ی ناشناس خطا می‌دهد. اشتباه دوم: فراموش کردن previous = word در انتهای حلقه، که باعث می‌شود قاعده‌ی «نه» هیچ‌وقت کار نکند.

مثال‌های این جلسه

چالش‌ها

  1. Sum the Weights (آسان)
  2. Decide (آسان)
  3. Handle "not" (متوسط)
  4. Learn the Weights (متوسط)
  5. Train, Then Classify (سخت)
  6. Explain the Decision (سخت)

بیشتر بخوان

← جلسه‌ی 33: متن برای کامپیوتر جلسه‌ی 35: پیش‌بینی کلمه‌ی بعدی →