Selv-supervisert sentimentanalyse
Selv-supervisert sentimentanalyse kombinerer storskala uovervåket forhåndstrening — gjennom mål som maskert språkmodellering eller kontrastiv prediksjon — med finjustering på et lite merket sentimentkorpus. Tilnærmingen, popularisert av BERT og dets varianter, reduserer dramatisk behovet for manuelt merkede data, samtidig som den oppnår toppmoderne nøyaktighet på oppgaver for klassifisering av positive/negative/nøytrale meninger.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/no/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.
- TekstklassifiseringTekstutvinning↔ compare
- OverføringslæringMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →