Auto-supervisió per a l'anàlisi de sentiments
L'anàlisi de sentiments auto-supervisada combina el pre-entrenament a gran escala no supervisat —mitjançant objectius com el modelatge de llenguatge emmascarat o la predicció contrastiva— amb l'ajustament fi (fine-tuning) en un petit corpus de sentiments etiquetat. L'aproximació, popularitzada per BERT i les seves variants, redueix dràsticament la necessitat de dades etiquetades manualment tot assolint una precisió d'avantguarda en tasques de classificació d'opinions positives/negatives/neutres.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/ca/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.
- Classificació de textMineria de text↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →