Feinabstimmungsmethode zur Verbesserung der Leistung der Sentimentklassifikation von Bewertungsdaten

Unternehmen in der modernen Gesellschaft erkennen zunehmend die Sentimentklassifikation als eine entscheidende Aufgabe an und betonen die Wichtigkeit, Verbrauchermeinungen über verschiedene Plattformen wie soziale Medien, Produktbewertungen und Kundenfeedback genau zu verstehen, um im Wettbewerb erfolgreich zu sein. Umfassende Forschung wird zur Sentimentklassifikation durchgeführt, da sie hilft, Produkte oder Dienstleistungen zu verbessern, indem sie die vielfältigen Meinungen und Emotionen der Verbraucher identifiziert. Bei der Sentimentklassifikation ist die Feinabstimmung mit großen Datensätzen und vortrainierten Sprachmodellen entscheidend zur Verbesserung der Leistung. Jüngste Fortschritte in der künstlichen Intelligenz haben zu leistungsstarken Sentimentklassifikationsmodellen geführt, wobei das ELECTRA-Modell aufgrund seiner effizienten Lernmethoden und minimalen Anforderungen an Computerressourcen herausragt. Daher schlägt dieses Papier eine Methode zur Verbesserung der Leistung der Sentimentklassifikation durch effiziente Feinabstimmung verschiedener Datensätze mithilfe des KoELECTRA-Modells vor, das speziell für Koreanisch trainiert wurde.