Полу-наблюдавано извличане на сантимент
Полу-наблюдаваното извличане на сантимент комбинира малък набор от ръчно етикетирани текстови извадки с голям пул от не етикетирани текстове за обучение на класификатори на мнения. Чрез разпространение на сигнали за сантимент от етикетирани начални точки към не етикетирани данни чрез самообучение, разпространение на етикети или регуляризация на последователността, подходът постига конкурентна точност без разходите за етикетиране на големи корпуси.
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
- Zhu, X. (2005). Semi-Supervised Learning Literature Survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
- Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1–2), 1–135. DOI: 10.1561/1500000011 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Sentiment Analysis (Label Propagation and Self-Training for Opinion Mining). ScholarGate. https://scholargate.app/bg/deep-learning/semi-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, базирана на BERTДълбоко обучение↔ compare
- Тематичен модел с ЛДАДълбоко обучение↔ compare
- Самоконтролирано извличане на настроения (Self-supervised Sentiment Analysis)Дълбоко обучение↔ compare
- Полу-наблюдавана класификация, базирана на BERTДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →