Análise de Sentimento Auto-supervisionada
A análise de sentimento auto-supervisionada combina pré-treinamento em larga escala não supervisionado — por meio de objetivos como modelagem de linguagem mascarada ou predição contrastiva — com ajuste fino em um pequeno corpus de sentimento rotulado. A abordagem, popularizada pelo BERT e suas variantes, reduz drasticamente a necessidade de dados rotulados manualmente, ao mesmo tempo que atinge precisão de ponta em tarefas de classificação de opinião positiva/negativa/neutra.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/pt/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.
- Classificação de TextoMineração de texto↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →