Самоконтролирано извличане на настроения (Self-supervised Sentiment Analysis)
Самоконтролираното извличане на настроения съчетава мащабно неконтролирано предварително обучение – чрез задачи като моделиране на маскиран език или контрастивно предсказване – с донастройване върху малък анотиран корпус от настроения. Подходът, популяризиран от BERT и неговите варианти, драстично намалява нуждата от ръчно анотирани данни, като същевременно постига най-съвременна точност при задачи за класификация на положителни/отрицателни/неутрални мнения.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to fine-tune BERT for text classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), pp. 194–206. Springer. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/bg/deep-learning/self-supervised-sentiment-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Класификация на текстИзвличане на текст↔ compare
- Трансферно обучениеМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →