Контролируемое обучение - это задача машинного обучения, состоящая в изучении функции, которая отображает входные данные в выходные данные на основе примеров пар ввода-вывода. Он выводит функцию из помеченных данных обучения, состоящих из набора примеров обучения. В контролируемом обучении каждый пример представляет собой пару, состоящую из входного объекта (обычно вектора) и желаемого выходного значения (также называемого контрольным сигналом). Алгоритм контролируемого обучения анализирует данные обучения и выдает предполагаемую функцию, которую можно использовать для отображения новых примеров.
Необучаемое обучение - это тип алгоритма машинного обучения, используемый для выведения выводов из наборов данных, состоящих из входных данных без помеченных ответы. Наиболее распространенным методом обучения без присмотра является кластерный анализ, который используется для исследовательского анализа данных для поиска скрытых закономерностей или группировки в данных.
(Определения из википедии и математических работ)
Уже есть помеченные наборы данных (с реальными обзорами для каждого ввода) для упомянутой вами задачи, поэтому вы всегда можете смоделировать ее как контролируемую проблему обучения и использовать модель машинного обучения, такую как SVM, Random Forest или MLP, для решения задачи.
https://www.kaggle.com/c/sentiment-analysis-on-movie-reviews/data
https://www.kaggle.com/snap/amazon-fine-food-reviews
https://www.kaggle.com/jessicali9530/kuc-hackathon-winter-2018
https://www.kaggle.com/nicapotato/womens-ecommerce-clothing-reviews
https://www.kaggle.com/utathya/imdb-review-dataset
https://www.kaggle.com/datafiniti/hotel-reviews
https://www.kaggle.com/sid321axn/amazon-alexa-reviews
https://www.kaggle.com/bittlingmayer/amazonreviews
https://www.kaggle.com/lakshmi25npathi/imdb-dataset-of-50k-movie-reviews