Semi-overvåget sentimentanalyse
Semi-overvåget sentimentanalyse kombinerer et lille sæt manuelt mærkede tekstprøver med en stor pulje af umærkede tekst for at træne meningsklassifikatorer. Ved at propagere sentiment-signaler fra mærkede frø til umærkede data gennem selftræning, label-propagation eller konsistensregularisering opnår tilgangen konkurrencedygtig nøjagtighed uden omkostningerne ved at mærke store korpora.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Sentiment Analysis (Label Propagation and Self-Training for Opinion Mining). ScholarGate. https://scholargate.app/da/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.
- BERT-baseret klassifikationDyb læring↔ compare
- LDA Emne-modelDyb læring↔ compare
- Selv-overvåget sentimentanalyseDyb læring↔ compare
- Semi-overvåget BERT-baseret KlassifikationDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →