প্রশিক্ষণ ডেটা ছাড়াই টেক্সট ক্লাসিফিকেশন
জিরো-শট ক্লাসিফিকেশন হলো একটি প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (natural-language-processing) কার্য যা কোনো লেবেলযুক্ত প্রশিক্ষণ ডেটার প্রয়োজন ছাড়াই সাধারণ ভাষায় বর্ণিত বিভাগগুলিতে টেক্সট নির্ধারণ করে। Yin, Hay এবং Roth (2019) এটিকে একটি অনুমিতি (entailment) সমস্যা হিসাবে আনুষ্ঠানিক রূপ দিয়েছেন, এটি একটি বৃহৎ পূর্ব-প্রশিক্ষিত ভাষা মডেলকে কেবল তাদের নাম উল্লেখ করে নতুন বিভাগগুলি তাৎক্ষণিকভাবে চিনতে দেয়, যা নতুন লেবেল সেটের সাথে দ্রুত অভিযোজন সক্ষম করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Yin, W., Hay, J. & Roth, D. (2019). Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. EMNLP, 3914-3923. DOI: 10.18653/v1/D19-1404 ↗
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/bn/text-mining/zero-shot-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.
- অল্প-নমুনা পাঠ্য শ্রেণিবিভাগটেক্সট খনন↔ compare
- অনুভূতি বিশ্লেষণটেক্সট খনন↔ compare
- Text Classificationটেক্সট খনন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →