เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| การสรุปความเอกสารหลายฉบับ× | การวิเคราะห์ความรู้สึก× | |
|---|---|---|
| สาขาวิชา | การทำเหมืองข้อความ | การทำเหมืองข้อความ |
| ตระกูล | Process / pipeline | Process / pipeline |
| ปีกำเนิด | — | — |
| ผู้ริเริ่ม | — | — |
| ประเภท≠ | NLP text-summarization task | NLP text-classification task |
| แหล่งต้นตำรับ≠ | Erkan, G. & Radev, D.R. (2004). LexRank: Graph-Based Lexical Centrality as Salience in Text Summarization. Journal of Artificial Intelligence Research, 22, 457-479. link ↗ | Pang, B. & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135. DOI ↗ |
| ชื่อเรียกอื่น | MDS, Çok Belgeli Özetleme (Multi-Document Summarization), multi-source summarization | opinion mining, polarity detection, duygu analizi |
| ที่เกี่ยวข้อง≠ | 5 | 3 |
| สรุป≠ | Multi-document summarization (MDS) is a natural-language-processing task that condenses a cluster of related documents into a single comprehensive, coherent, and non-redundant summary. Formally described by Erkan and Radev (2004) through the LexRank algorithm, MDS is used in news cluster analysis, systematic literature reviews, and research synthesis to give readers a unified view of information spread across multiple sources. | 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 ↗ |
|
|