Semi-overvåket sentimentanalyse
Semi-overvåket sentimentanalyse kombinerer et lite sett med manuelt merkede tekstprøver med en stor mengde umerkede tekster for å trene meningsklassifikatorer. Ved å forplante sentiment-signaler fra merkede frø til umerkede data gjennom selvtreningsmetoder, etikettforplantning eller konsistensregularisering, oppnår tilnærmingen konkurransedyktig nøyaktighet uten kostnaden ved å merke store korpus.
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
- Zhu, X. (2005). Semi-Supervised Learning Literature Survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
- Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1–2), 1–135. DOI: 10.1561/1500000011 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Sentiment Analysis (Label Propagation and Self-Training for Opinion Mining). ScholarGate. https://scholargate.app/no/deep-learning/semi-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.
- BERT-basert klassifiseringDyp læring↔ compare
- LDA emnemodellDyp læring↔ compare
- Selv-supervisert sentimentanalyseDyp læring↔ compare
- Semi-supervised BERT-basert klassifiseringDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →