Analisi del Sentiment Auto-supervisionata
L'analisi del sentiment auto-supervisionata combina il pre-addestramento non supervisionato su larga scala — attraverso obiettivi come la modellazione del linguaggio mascherato o la previsione contrastiva — con il fine-tuning su un piccolo corpus di sentiment etichettato. L'approccio, reso popolare da BERT e dalle sue varianti, riduce drasticamente la necessità di dati etichettati manualmente, raggiungendo al contempo un'accuratezza all'avanguardia nei compiti di classificazione delle opinioni positive/negative/neutre.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/it/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.
- Classificazione del testoText mining↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →