Pašuzraudzītā sentimenta analīze
Pašuzraudzītā sentimenta analīze apvieno liela mēroga neuzraudzītu pirmapmācību — izmantojot tādas metodes kā maskēta valodas modelēšana vai kontrastīvā prognozēšana — ar smalkūdināšanu uz neliela anotēta sentimenta korpusa. Pieeja, ko popularizējis BERT un tā varianti, ievērojami samazina nepieciešamību pēc manuāli anotētiem datiem, vienlaikus sasniedzot vismodernāko precizitāti pozitīvo/negatīvo/neitrālo viedokļu klasifikācijas uzdevumos.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/lv/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.
- Tekstu klasifikācijaTeksta ieguve↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →