Класификация, базирана на фино настроен BERT
Класификацията, базирана на фино настроен BERT, адаптира предварително обучен трансформер BERT към конкретна задача за класификация на текст чрез добавяне на лек изходен слой и продължаване на обучението, базирано на градиенти, върху маркирани примери. Тя последователно постига точност, близка до най-съвременната, при анализ на настроения, категоризация по теми, разпознаване на намерения и други задачи за класификация в обработката на естествен език с относително малки маркирани набори от данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Източници
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? Proceedings of CCL 2019, LNCS 11856, 194–206. DOI: 10.1007/978-3-030-32381-3_16 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/bg/deep-learning/fine-tuned-bert-based-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Класификация, базирана на BERTДълбоко обучение↔ compare
- Класификация, базирана на фино настроен RoBERTaДълбоко обучение↔ compare
- Фино настройване на ТрансформърДълбоко обучение↔ compare
- Класификация, базирана на RoBERTaДълбоко обучение↔ compare
- Вграждане на изреченияДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →