Samonadzirana analiza sentimenta
Samonadzirana analiza sentimenta kombinuje obimno nenadzirano pred-treniranje — kroz ciljeve kao što su maskirano modelovanje jezika ili kontrastivno predviđanje — sa finim podešavanjem na malom označenom korpusu sentimenta. Pristup, popularizovan od strane BERT-a i njegovih varijanti, dramatično smanjuje potrebu za ručno označenim podacima, istovremeno postižući najsavremeniju tačnost u zadacima klasifikacije pozitivnog/negativnog/neutralnog mišljenja.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/sr/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.
- Klasifikacija tekstaRudarenje teksta↔ compare
- Transferno učenjeMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →