As mentioned in the first section,

As mentioned in the first section, since the training data in cross-lingual sentiment classification has different term distribution
with the translated test documents of the target language, the performance of the sentiment classifier in this case is
limited. To increase this performance, making use of unlabelled data from the target language can be helpful since these data
are always easy to obtain. An additional benefit is that they have the same term distribution as the test documents in the
respective target language. However, manually labelling unlabelled data is a labour-intensive and time-consuming task.
In an attempt to incorporate unlabelled data and reduce the labelling effort, we propose a new model based on the initial
training data from the source language and the translated unlabelled data from the target language. This model attempts
to enrich the initial training data through the manual and automatic labelling of some unlabelled data from the target

ผลลัพธ์ (ไทย) 1:

เป็นที่กล่าวถึงในส่วนแรก เนื่องจากข้อมูลการฝึกอบรมในการจัดประเภทความเชื่อมั่นโดยข้ามมีระยะแตกต่างกันกระจายเอกสารทดสอบแปลภาษาเป้าหมาย ประสิทธิภาพของ classifier ความเชื่อมั่นในกรณีนี้เป็นจำกัด เพื่อเพิ่มประสิทธิภาพนี้ ใช้ข้อมูล unlabelled จากภาษาเป้าหมายจะมีประโยชน์เนื่องจากข้อมูลเหล่านี้มักจะได้รับการ ประโยชน์เพิ่มเติมคือ ว่า มีการกระจายคำเดียวกันเช่นการทดสอบการภาษาเป้าหมายที่เกี่ยวข้อง อย่างไรก็ตาม ฉลากข้อมูล unlabelled ด้วยตนเองเป็นงานที่แรงงานมาก และใช้เวลานานในความพยายามที่จะรวมข้อมูล unlabelled และช่วยลดความ labelling เราได้เสนอรูปแบบใหม่ตามต้นข้อมูลการฝึกอบรมจากภาษาต้นฉบับและข้อมูล unlabelled ที่แปลจากภาษาเป้าหมาย รุ่นนี้พยายามแก่ข้อมูลการฝึกอบรมเริ่มต้น โดยการด้วยตนเอง และอัตโนมัติฉลากข้อมูลบาง unlabelled จากเป้าหมาย

ผลลัพธ์ (ไทย) 2:

เป็นที่กล่าวถึงในส่วนแรกเนื่องจากข้อมูลการฝึกอบรมในการจำแนกความเชื่อมั่นข้ามภาษามีการกระจายในระยะที่แตกต่างกันกับการทดสอบเอกสารแปลภาษาเป้าหมายประสิทธิภาพการทำงานของลักษณนามความเชื่อมั่นในกรณีนี้คือ
จำกัด
เพื่อเพิ่มประสิทธิภาพการทำงานนี้ทำให้การใช้ข้อมูลจากการปิดฉลากภาษาเป้าหมายจะมีประโยชน์เนื่องจากข้อมูลเหล่านี้เป็นเรื่องง่ายเสมอไปที่จะได้รับ
ประโยชน์เพิ่มเติมคือการที่พวกเขามีการกระจายในระยะเดียวกับเอกสารการทดสอบในที่ภาษาเป้าหมายที่เกี่ยวข้อง แต่ตนเองติดฉลากข้อมูลที่ไม่ติดฉลากเป็นแรงงานมากและใช้เวลานานงาน. ในความพยายามที่จะรวมข้อมูลที่ไม่ติดฉลากและลดความพยายามการติดฉลากที่เราได้นำเสนอรูปแบบใหม่บนพื้นฐานของการเริ่มต้นข้อมูลการฝึกอบรมจากภาษาต้นฉบับและข้อมูลที่ไม่ติดฉลากแปลจากภาษาเป้าหมาย รุ่นนี้พยายามที่จะเสริมสร้างข้อมูลฝึกอบรมครั้งแรกผ่านการติดฉลากด้วยตนเองและอัตโนมัติของข้อมูลป้ายกำกับจากเป้าหมาย