Machine learningDeep learning / NLP / CV
การวิเคราะห์ความรู้สึกหลายภาษา
การวิเคราะห์ความรู้สึกหลายภาษา (MSA) ประยุกต์ใช้การเรียนรู้เชิงลึก — โดยทั่วไปคือโมเดลภาษาหลายภาษาที่ปรับแต่งอย่างละเอียด เช่น mBERT หรือ XLM-RoBERTa — เพื่อจำแนกขั้วความรู้สึก (บวก ลบ เป็นกลาง) ของข้อความที่เขียนด้วยภาษาตั้งแต่สองภาษาขึ้นไป ทำให้สามารถทำเหมืองความคิดเห็นข้ามพรมแดนทางภาษาได้โดยไม่ต้องสร้างโมเดลแยกสำหรับแต่ละภาษา
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzman, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised Cross-lingual Representation Learning at Scale. Proceedings of ACL 2020, 8440–8451. DOI: 10.18653/v1/2020.acl-main.747 ↗
- Barnes, J., Klinger, R., & Wubben, S. (2022). Structured Sentiment Analysis as Dependency Graph Parsing. Computational Linguistics, 48(3), 693–744. DOI: 10.18653/v1/2021.acl-long.263 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multilingual Sentiment Analysis (Cross-Lingual Opinion Mining). ScholarGate. https://scholargate.app/th/deep-learning/multilingual-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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTa หลายภาษาการเรียนรู้เชิงลึก↔ compare
- การฝังประโยคหลายภาษาการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ compare
- Sentence Embeddingsการเรียนรู้เชิงลึก↔ compare