เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การวิเคราะห์ความรู้สึกตามลักษณะเฉพาะ (Aspect-Based Sentiment Analysis - ABSA)× | การวิเคราะห์ความรู้สึก× | |
|---|---|---|
| สาขาวิชา | การทำเหมืองข้อความ | การทำเหมืองข้อความ |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด≠ | 2014 | — |
| ผู้ริเริ่ม≠ | Pontiki et al. (SemEval-2014 Task 4) | — |
| ประเภท≠ | NLP fine-grained opinion-mining task | NLP text-classification task |
| แหล่งต้นตำรับ≠ | Pontiki, M. et al. (2014). SemEval-2014 Task 4: Aspect Based Sentiment Analysis. Proceedings of SemEval 2014, 27-35. DOI ↗ | Pang, B. & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135. DOI ↗ |
| ชื่อเรียกอื่น≠ | ABSA, aspect-level sentiment analysis, feature-based sentiment analysis, Konu Bazlı Duygu Analizi (ABSA) | opinion mining, polarity detection, duygu analizi |
| ที่เกี่ยวข้อง≠ | 4 | 3 |
| สรุป≠ | Aspect-based sentiment analysis (ABSA) is a fine-grained natural-language-processing task that detects sentiment separately for each aspect or feature mentioned in a text — such as a product's quality, price, or service — rather than scoring the document as a whole. It was consolidated as a shared task by Pontiki et al. in SemEval-2014 Task 4. | Sentiment analysis, also called opinion mining, is a natural-language-processing task that detects the emotional tone of text — typically classifying it as positive, negative, or neutral. It turns unstructured opinion text into structured, quantifiable polarity signals using one of three families of approaches: sentiment lexicons, trained machine-learning classifiers, or pretrained transformer models. |
| ScholarGateชุดข้อมูล ↗ |
|
|