我想构建一个应用程序，我可以在其中输入任何 Twitter 关键字，后端将抓取相关的推文并返回推文的情绪分析，以负面、中性和正面推文的百分比表示。例如，我输入关键字“百事可乐”，应用程序将输出如下内容：与百事可乐相关的推文包含 10% 的负面情绪、10% 的中性情绪和 80% 的正面评论。
所以问题是如何训练机器学习算法，我可以在后端使用它来对各种主题进行情感分析。这里涉及的主要思想是迁移学习，我们在大量标记数据上训练一个模型，并将其用作训练其他数据的基线。迁移学习在 NLP 中存在局限性，主要是因为在一项任务中学到的知识不够广泛，无法向下传递到其他任务。例如，我预训练了一个很好的神经网络来对航空公司进行情绪分析，预测准确率超过 70%。然而，当我使用相同的模型对百事可乐进行情感分析时，我得到的预测准确率只有 30% 左右。
我做了一些研究，发现谷歌的通用句子嵌入非常流行。但是，我意识到这是一种将输入文本转换为特征向量的新方法，而不是通用算法。我想知道任何人都可以指出我应该去的方向吗？提前非常感谢！