Начните с TF-IDF и линейного классификатора как baseline, затем сравните с дообученным языковым encoder и трёхклассовой головой. Выбор зависит от языка, данных и бюджета inference.
Какую архитектуру выбрать для классификации тональности твитов на positive, negative и neutral?
Начните с TF-IDF и линейного классификатора как baseline, затем сравните с дообученным языковым encoder и трёхклассовой головой. Выбор зависит от языка, данных и бюджета inference.
Короткий ответ
Что ответить на собеседовании
Подробный разбор
Ответ с пояснениями
Начните с TF-IDF и линейного классификатора как baseline, затем сравните с дообученным языковым encoder и трёхклассовой головой. Выбор зависит от языка, данных и бюджета inference.
Очищайте текст так, чтобы не потерять эмодзи, отрицания и важные хэштеги. Разделяйте близкие сообщения и авторов, проверяйте temporal drift. Смотрите macro-F1 и ошибки между neutral и полярными классами; сложная архитектура не гарантирует преимущество на небольшой разметке.