Semi-övervakad sentimentanalys
Semi-övervakad sentimentanalys kombinerar en liten mängd manuellt etiketterade textprover med en stor pool av oetiketterad text för att träna opinionsklassificerare. Genom att propagera sentiment-signaler från etiketterade frön till oetiketterad data genom självträning, etikettpropagering eller konsistensregularisering, uppnår metoden konkurrenskraftig noggrannhet utan kostnaden för att etikettera stora korpusar.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Sentiment Analysis (Label Propagation and Self-Training for Opinion Mining). ScholarGate. https://scholargate.app/sv/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-baserad klassificeringDjupinlärning↔ compare
- LDA-ämnesmodell (LDA Topic Model)Djupinlärning↔ compare
- Självövervakad sentimentanalysDjupinlärning↔ compare
- Semi-supervised BERT-baserad klassificeringDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →