Analisis Sentimen Kendiri-Terurus
Analisis sentimen kendiri-terurus menggabungkan pra-latihan skala besar tanpa pengawasan — melalui objektif seperti pemodelan bahasa bertopeng atau ramalan kontrastif — dengan penalaan halus pada korpus sentimen berlabel kecil. Pendekatan ini, yang dipopularkan oleh BERT dan variannya, secara dramatik mengurangkan keperluan untuk data berlabel tangan sambil mencapai ketepatan terkini dalam tugasan klasifikasi pendapat positif/negatif/neutral.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi TeksPerlombongan Teks↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →