Análisis de Sentimiento Multilingüe
El análisis de sentimiento multilingüe (MSA, por sus siglas en inglés) aplica aprendizaje profundo —más comúnmente un modelo de lenguaje multilingüe afinado como mBERT o XLM-RoBERTa— para clasificar la polaridad del sentimiento (positivo, negativo, neutro) de texto escrito en dos o más idiomas, permitiendo la minería de opiniones a través de fronteras lingüísticas sin necesidad de construir modelos separados por idioma.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzman, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised Cross-lingual Representation Learning at Scale. Proceedings of ACL 2020, 8440–8451. DOI: 10.18653/v1/2020.acl-main.747 ↗
- Barnes, J., Klinger, R., & Wubben, S. (2022). Structured Sentiment Analysis as Dependency Graph Parsing. Computational Linguistics, 48(3), 693–744. DOI: 10.18653/v1/2021.acl-long.263 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Multilingual Sentiment Analysis (Cross-Lingual Opinion Mining). ScholarGate. https://scholargate.app/es/deep-learning/multilingual-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.
- Clasificación basada en BERTAprendizaje profundo↔ compare
- Clasificación multilingüe basada en RoBERTaAprendizaje profundo↔ compare
- Incrustaciones de oraciones multilingüesAprendizaje profundo↔ compare
- Clasificación basada en RoBERTaAprendizaje profundo↔ compare
- Incrutaciones de oracionesAprendizaje profundo↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →