因此，我们的新模型首先经过训练，对语言的使用方式有了大致的了解。然后我们采取第二步，让该模型执行情绪分析等任务。
第一步与下一个单词自动建议的工作原理非常相似。如果你给模型一些文本，那么对人类使用的语言有足够经验的模型就可以开始预测下一个单词可能是什么。接下来，我们要求它“预测”一个包含整个句子或社交媒体帖子含义的主题，在这种情况下，主题是“积极的”、“消极的”或“中性的”——它会重复使用第一步中的所有相同信息。
这其实就是你听别人说话时大脑的工作方式。你会下意识地不断预 电话号码库 测他们接下来要说什么，以便更好地听清和理解他们的话。
这如何帮助 Brandwatch 比以前更好地定义情绪？
这种新方法的一个主要优势是，它在处理更复杂或更细微的语言时更加稳健。新模型可以忽略拼写错误或俚语等问题。
以前，监督学习模型在训练过程中会局限于一组固定的已 影响者活动如何影响关键 知模式，这远远不能完全捕捉到所有在语言上可行的表达概念的方式。面对新的或罕见的模式时，新的先进模型能够更好地重复利用已知的知识。
迁移学习方法意味着模型将利用其已知的知识来填补空白。例如，它可以将不认识的单词分解成可能为其提供线索的部分（就像你一样！）。
而且它几乎适用于所有语言，因为我们每次都不需要针对一种新 台湾数据库 语言进行训练。这也意味着它可以处理更广泛的方言和有人在语言之间切换的帖子。
了解 Brandwatch 的情绪分析实际应用
预约会议
什么样的事情会导致帖子被贴上正面或负面的标签？模型会寻找“好”或“坏”的单词或短语吗？
该模型考虑了文档的完整上下文。重要的是词序，而不仅仅是正面或负面的词语。例如，如果某件事“不好”，否定词很容易理解。它还会理解表情符号、语法和区分大小写等内容。