เปรียบเทียบวิธี

	การให้คะแนนความเชื่อมโยงของข้อความ	การวิเคราะห์ความรู้สึก
สาขาวิชา	การทำเหมืองข้อความ	การทำเหมืองข้อความ
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	2008	—
ผู้ริเริ่ม	Barzilay & Lapata	—
ประเภท	NLP text-level scoring task	NLP text-classification task
แหล่งต้นตำรับ	Barzilay, R. & Lapata, M. (2008). Modeling Local Coherence: An Entity-Based Approach. Computational Linguistics, 34(1), 1-34.	Pang, B. & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval, 2(1-2), 1-135.
ชื่อเรียกอื่น	coherence modeling, local coherence assessment, Metin Tutarlılık Puanlaması	opinion mining, polarity detection, duygu analizi
ที่เกี่ยวข้อง	4	3
สรุป	Text coherence scoring computes a document-level coherence score with machine learning, rooted in the entity-based local coherence model introduced by Barzilay and Lapata (2008). It measures how well the sentences of a text hang together, using either an entity-grid model, a graph-based approach, or a transformer-based model.	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.