《表1 评论的分类：一种基于支持向量机和主题模型的评论分析方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于支持向量机和主题模型的评论分析方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用组内相关系数（intra-class correlation coefficient，简称ICC）对标注结果的可靠性进行度量.ICC是一个推断统计量，它描述了同一组中元素的相似程度[13]，可以用于评估不同观测者进行相同的定量测量时的一致性或可重复性.如果ICC小于0.4，则表示相似性较差；如果ICC在0.40和0.59之间，则表示相似性一般；如果ICC在0.60和0.74之间，则表示相似性较好；如果ICC在0.75和1.00之间，则表示相似性很好.我们对标注结果之间的ICC进行了计算，以衡量人工标注的可靠性.对于每一个问题类型，ICC都是较好或很好，并且发现，独立标注的结果差异没有特别大.然后进行讨论，并消除差异，所有问题类型的ICC均为1，也即没有区别.最终得到了17种问题类型，问题的类型与描述见表1.详细过程见我们的前期工作[10].