Полуавтоматический анализ тональности
Полуавтоматический анализ тональности (semi-supervised sentiment analysis) объединяет небольшой набор размеченных вручную текстовых образцов с большим пулом неразмеченных текстов для обучения классификаторов мнений. Распространяя сигналы тональности от размеченных начальных данных к неразмеченным данным посредством самообучения (self-training), распространения меток (label propagation) или регуляризации согласованности (consistency regularization), этот подход достигает конкурентоспособной точности без затрат на разметку больших корпусов.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Sentiment Analysis (Label Propagation and Self-Training for Opinion Mining). ScholarGate. https://scholargate.app/ru/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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Тематическая модель LDAГлубокое обучение↔ compare
- Самостоятельно обучаемый анализ тональностиГлубокое обучение↔ compare
- Полуавтоматическая классификация на основе BERTГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →