การวิเคราะห์ความรู้สึกแบบกำกับดูแลตนเอง
การวิเคราะห์ความรู้สึกแบบกำกับดูแลตนเอง (Self-supervised sentiment analysis) เป็นการผสมผสานการฝึกฝนล่วงหน้า (pre-training) ขนาดใหญ่แบบไม่มีผู้สอน (unsupervised) — ผ่านวัตถุประสงค์ เช่น การสร้างแบบจำลองภาษาที่ถูกปิดบัง (masked language modeling) หรือการทำนายแบบเปรียบต่าง (contrastive prediction) — เข้ากับการปรับละเอียด (fine-tuning) บนชุดข้อมูลความรู้สึกที่มีป้ายกำกับขนาดเล็ก แนวทางนี้ซึ่งได้รับความนิยมจาก BERT และรูปแบบต่างๆ ได้ลดความจำเป็นในการใช้ข้อมูลที่มีป้ายกำกับด้วยมือลงอย่างมาก ในขณะเดียวกันก็ให้ความแม่นยำระดับ State-of-the-art ในงานจำแนกประเภทความคิดเห็นเชิงบวก/ลบ/เป็นกลาง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to fine-tune BERT for text classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), pp. 194–206. Springer. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Learning for Sentiment Analysis. ScholarGate. https://scholargate.app/th/deep-learning/self-supervised-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.
- การจำแนกข้อความการทำเหมืองข้อความ↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare