taralino

.dataset

Die Funktion ReviewTweets.dataset() erwartet keine (verpflichtende) Argumente.

Es wird ein Datenfeld (eine Liste) sämtlicher im Paket enthaltener Daten zurückgegeben. Jedes Element des Datenfeldes ist ein Objekt mit folgenden Variablen:

Variable	Datentyp	Hinweis
message	Zeichenkette	Text der Kurznachricht bzw. Rezension
input	Zeichenkette	Text der Kurznachricht bzw. Rezension
sentiment	Zahl	0 (negative Stimmung) oder 1 (positive Stimmung)
output	Datenfeld	[1,0] (negative Stimmung) oder [0,1] (positive Stimmung)

Hinweis: Die Inhalte der beiden Variablen message und input sind jeweils identisch.

Zudem kann folgende Option verwendet werden:

Variable	Datentyp	Hinweis	Default-Wert
language	Zeichenkette	de oder en	de

Die Option language definiert die Sprache der Kurznachrichten (also die Sprache, in der die Inhalte der Variablen message und input zurückgegeben werden). Zur Auswahl stehen Deutsch (de) und Englisch (en).

Beispiel

Es wird ein zufälliges Objekt des Datensatzes gewählt und ausgegeben.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="ReviewTweets.js"></script>
</head>
<body>
<script>

// Datensatz auslesen
var X = ReviewTweets.dataset();

// Zufaelliges Objekt des Datensatzes
var k = Math.floor(X.length*Math.random());
var T = X[k];

// Gewaehltes Objekt ausgeben
Console.print(T["message"]);
if (T["sentiment"] == 0) Console.print("negative Stimmung");
if (T["sentiment"] == 1) Console.print("positive Stimmung");

</script>
</body>
</html>

Vorschau Download Kopie speichern

Beispiel

Es wird ein zufälliges Objekt des Datensatzes gewählt und in zwei Sprachen ausgegeben.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="ReviewTweets.js"></script>
</head>
<body>
<script>

// Datensatz auslesen
var X_de = ReviewTweets.dataset({language:"de"});
var X_en = ReviewTweets.dataset({language:"en"});

// Zufaelliges Objekt des Datensatzes
var k = Math.floor(X_de.length*Math.random());

// Gewaehltes Objekt ausgeben
Console.print(X_de[k]["message"]);
Console.print(X_en[k]["message"]);

</script>
</body>
</html>

Vorschau Download Kopie speichern

Beispiel

Vorgehensweise, wie das Datenpaket zur Sentimentanalyse genutzt werden kann.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
  <script src="ReviewTweets.js"></script>
</head>
<body>
<script>

// Datensatz auslesen
var S = ReviewTweets.dataset();

// Aufteilung in Trainings- und Testdaten
var T = Split.train_test(S, 3, 1);
var X = T.train;
var Y = T.test;

// Erstellung eines Bag-of-Words auf Basis der Trainingsdaten
Nlp.init(X);

// Vektorisierung der Trainingsdaten
for (var k = 0; k < X.length; k++) {
  X[k]["input"] = Nlp.vectorize(X[k]["message"]);
};

// Vektorisierung der Testdaten
for (var k = 0; k < Y.length; k++) {
  Y[k]["input"] = Nlp.vectorize(Y[k]["message"]);
};

// Initialisierung (Layout des Netzes) und Trainingsphase starten
NeuralNetwork.init([X[0]["input"].length, 2]);
NeuralNetwork.progress(X, Y, {iterations:1000, batch_size:10});

// Wird aufgerufen, wenn Trainingsphase abgeschlossen ist
function on_training_done(data) {
  NeuralNetwork.confusion_matrix(Y, {display:"on"});
};

</script>
</body>
</html>

Vorschau Download Kopie speichern