研究人员开发了一种新颖的半监督极性分析技术，该技术利用掩码语言模型，特别是word2vec。这种新方法是潜在语义缩放（LSS）的一个变体，将极性分数分配为预测概率，与传统的空间模型相比，提供了更高的准确性和可解释性。该方法在中国日报在COVID-19大流行期间的报道上进行了测试，证明了其在文本情感分析方面的有效性。 AI
影响 引入了一种使用先进语言模型进行情感分析的更准确、更具可解释性的方法。
排序理由 详细介绍使用掩码语言模型进行极性分析新技术的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.26230v1 Announce Type: new Abstract: I developed a new version of Latent Semantic Scaling (LSS) employing word2vec as a masked language model. Unlike original spatial models, it assigns polarity scores to words and documents as predicted probabilities of seed words to …
I developed a new version of Latent Semantic Scaling (LSS) employing word2vec as a masked language model. Unlike original spatial models, it assigns polarity scores to words and documents as predicted probabilities of seed words to occur in given contexts. These probabilistic pol…