เปรียบเทียบวิธี

	การวิเคราะห์ความรู้สึกแบบกึ่งมีผู้สอน	แบบจำลองหัวข้อ LDA
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2002–2008	2003
ผู้ริเริ่ม	Zhu, X.; Pang, B. & Lee, L. (foundational works)	Blei, D. M., Ng, A. Y., & Jordan, M. I.
ประเภท	Semi-supervised classification	Probabilistic generative topic model
แหล่งต้นตำรับ	Zhu, X. (2005). Semi-Supervised Learning Literature Survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison.	Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. Journal of Machine Learning Research, 3, 993–1022.
ชื่อเรียกอื่น	SSSA, semi-supervised opinion mining, label-propagation sentiment classification, self-training sentiment analysis	LDA, Latent Dirichlet Allocation, LDA Topic Modeling, Dirichlet Topic Model
ที่เกี่ยวข้อง	4	5
สรุป	Semi-supervised sentiment analysis combines a small set of manually labeled text samples with a large pool of unlabeled text to train opinion classifiers. By propagating sentiment signals from labeled seeds to unlabeled data through self-training, label propagation, or consistency regularization, the approach achieves competitive accuracy without the cost of labeling large corpora.	Latent Dirichlet Allocation (LDA) is a probabilistic generative model introduced by Blei, Ng, and Jordan in 2003 that discovers hidden thematic structure in large text collections by representing each document as a mixture of latent topics and each topic as a probability distribution over vocabulary words.