Domæneadaptiv sentimentanalyse
Domæneadaptiv sentimentanalyse træner en sentimentmodel på et eller flere mærkede kildedomæner (f.eks. produktanmeldelser) og tilpasser den til et måldomæne (f.eks. opslag på sociale medier eller nyheder), hvor mærkater er sparsomme eller fraværende. Ved at bygge bro over ordforrådet og den distributionelle kløft mellem domæner opnår den stærk sentimentklassifikation uden at kræve store mærkede korpora i hvert måldomæne.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Metodekort
Nabolaget af beslægtede metoder — vælg en knude for at udforske.
Kilder
- Blitzer, J., Dredze, M., & Pereira, F. (2007). Biographies, Bollywood, Boom-boxes and Blenders: Domain Adaptation for Sentiment Classification. Proceedings of the 45th Annual Meeting of the Association for Computational Linguistics (ACL), 440–447. link ↗
- Pan, S. J., Ni, X., Sun, J.-T., Yang, Q., & Chen, Z. (2010). Cross-domain sentiment classification via spectral feature alignment. Proceedings of the 19th International Conference on World Wide Web (WWW), 751–760. DOI: 10.1145/1772690.1772767 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Domain-adaptive Sentiment Analysis (Cross-Domain Opinion Mining with Domain Adaptation). ScholarGate. https://scholargate.app/da/deep-learning/domain-adaptive-sentiment-analysis
Hvilken metode?
Stil denne metode ved siden af dens nærmeste slægtninge, og læs dem side om side — biblioteket lægger bøgerne på bordet; valget er dit.
- BERT-baseret klassifikationDyb læring↔ sammenlign
- Flersproget sentimentanalyseDyb læring↔ sammenlign
- RoBERTa-baseret KlassifikationDyb læring↔ sammenlign
- SætningsindlejringerDyb læring↔ sammenlign
- Transfer Learning med BERT-baseret KlassifikationDyb læring↔ sammenlign
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →