Key points are not available for this paper at this time.
현재 소셜 미디어 커뮤니케이션 환경에서 감정 표현을 이해하는 것은 브랜드 관리 및 여론 분석을 포함한 다양한 응용 프로그램에 필수적입니다. 본 연구는 맥락 임베딩을 사용하여 미디어에서 감정 분석을 개선하는 방법을 탐구합니다. BERT(양방향 인코더 표현 변환기)와 GPT(Generative Pre-trained Transformer)와 같은 안정화된 모델에 중점을 둡니다. 이 동적 삽입의 힘을 활용함으로써, 연구는 소셜 미디어에서 드러나는 언어의 미묘하고 맥락 의존적인 특성을 포착하는 전통적인 감정 분석 방법의 제약을 극복하고자 합니다. 기존 문헌과 최근 개발 사항에 대한 포괄적인 검토를 통해, 이 논문은 BERT 및 GPT와 같은 저명한 모델에 대해 동적 맥락 임베딩의 영향을 체계적으로 평가합니다. 주요 목표는 이러한 기술이 소셜 미디어 플랫폼의 끊임없이 진화하는 환경에서 감정 분석을 향상시키는 데 기여한 방법에 대한 심층적인 개요를 제공하는 것입니다. 연구는 소셜 미디어 데이터셋에 이러한 모델을 미세 조정하고 사전 훈련하는 포괄적인 조사를 포함합니다. 이 논문은 BERT 및 GPT와 같은 알고리즘을 사용하여 소셜 미디어 게시물의 감정을 이해하는 분야의 이전 연구를 바탕으로 개요를 제공합니다.
Yadav et al. (Fri,)는 이 질문을 연구했습니다.