تحلیل احساسات خودنظارتی
تحلیل احساسات خودنظارتی، پیشآموزش بدون نظارت در مقیاس بزرگ — از طریق اهدافی مانند مدلسازی زبان پوشیده یا پیشبینی تقابلی — را با تنظیم دقیق بر روی یک پیکره کوچک از دادههای احساسات برچسبگذاریشده ترکیب میکند. این رویکرد که توسط BERT و گونههای آن رایج شد، نیاز به دادههای برچسبگذاریشده دستی را به طرز چشمگیری کاهش میدهد، در حالی که به دقت پیشرفتهای در وظایف طبقهبندی نظرات مثبت/منفی/خنثی دست مییابد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی متنمتنکاوی↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →