Samoučené (self-supervised) sentimentální analýza
Samoučené sentimentální analýza kombinuje rozsáhlé nepředzpracované předškolení – prostřednictvím úloh, jako je maskované jazykové modelování nebo kontrastivní predikce – s dolaďováním na malém označeném sentimentálním korpusu. Tento přístup, popularizovaný modelem BERT a jeho variantami, dramaticky snižuje potřebu ručně označených dat a zároveň dosahuje špičkové přesnosti v úlohách klasifikace pozitivních/negativních/neutrálních názorů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/cs/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.
- Klasifikace textuDolování textu↔ compare
- Přenosové učeníStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →