Metodes pierādījumu reģistrs
Multilingual Sentiment Analysis
Multilingual Sentiment Analysis (MSA) applies deep learning — most commonly a fine-tuned multilingual language model such as mBERT or XLM-RoBERTa — to classify the sentiment polarity (positive, negative, neutral) of text written in two or more languages, enabling opinion mining across language boundaries without building separate models per language.
Avota reģistrs
Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.
Multilingual Sentiment Analysis (Cross-Lingual Opinion Mining)
Taksonomiskās metodes reģistrs · ml-model / deep-learning
- 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
Kurēti apgalvojumi
Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.
Vēl nav kurētu apgalvojumu
Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.
Saistītās metodes
Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.