Analiza de sentiment auto-supervizată
Analiza de sentiment auto-supervizată combină pre-antrenarea la scară largă nesupervizată — prin obiective precum modelarea limbajului mascat sau predicția contrastivă — cu ajustarea fină pe un corpus mic de sentimente etichetate. Abordarea, popularizată de BERT și variantele sale, reduce dramatic necesitatea datelor etichetate manual, obținând în același timp o acuratețe de ultimă generație pe sarcini de clasificare a opiniilor pozitive/negative/neutre.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/ro/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.
- Clasificarea textuluiMineritul textelor↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →