정서 분석을 포함하여 일반적으로 텍스트 분류는 다음 두 가지 방법 중 하나로 수행 할 수 있습니다. 1. 충분한 학습 데이터가있는 경우 감독 학습, 2. 사전 레이블이없는 충분한 학습 데이터가없는 경우 감독되지 않은 학습감정 분석에 감독되지 않은 심층 학습이 어떻게 사용됩니까?
I texte (리뷰) 만 포함 된 트윗 컬렉션 만 있고 각 twwet은 극성 전나무가 없습니다. 제 질문은 감독되지 않는 학습을 사용하여이 데이터에 대한 di sentimeent 분석에 대한 방법이 있습니까?
는 SentiWordNet 같은 것을 사용하는 경우 당신이 나에게(귀하의 의견을 바탕으로, 나는 당신의 질문의 "자율"부분에 집중하고 깊은 학습을 무시했습니다.)
도움 감사합니다 짹짹의 각 단어에 양수 또는 음수 점수를 할당 한 다음 (가장 간단한 방법으로) 합하여 각 짹짹에 대해 단일 감정 번호를 얻을 수 있습니다.
감독 또는 감독없는 학습을하고 있다면 각 짹짹에 점수를 부여하고 짹짹을 긍정적, 중립 및 부정으로 나눌 수 있습니다. 감정. 관리 데이터 인 클래스 이 허용하는 것은입니다. 클래스를 분류하는 데 얼마나 효과가 있었는지에 대한 오류가 예상됩니다.
학습 데이터에 수업이없는 경우 오류를 예상하려면 트위트의 일부 비율을 직접 평가할 수 있습니다. 심지어 30 개를 수행하는 것만으로도 그룹화 알고리즘이 무작위에서 완전성까지의 범위에 있고 오랜 시간이 걸리지 않을 것이라는 생각을하게됩니다.
특별히 감독되지 않은 심층 학습이나 자발적인 학습에 관심이 있습니까? (제목과 태그는 깊은 학습을 언급하지만 질문의 본문은 그렇지 않습니다.) –
대런 감사합니다. 데이터 whitout 클래스가 있기 때문에, 나는 자각 학습을 찾고 있어요. 이것에 대한 어떤 생각? 고맙습니다 – Poisson