Machine learningDeep learning / NLP / CV

Classificació basada en RoBERTa adaptada al domini

La classificació basada en RoBERTa adaptada al domini estén el transformador RoBERTa continuant primer el seu preentrenament amb el model de llenguatge emmascarat (MLM) en un corpus específic del domini abans de fer un ajustament fi (fine-tuning) per a una tasca de classificació. Aquesta adaptació en dues etapes uneix la bretxa entre les dades generals d'entrenament rastrejades a la web i camps especialitzats com ara text biomèdic, legal o científic, superant constantment l'ajustament fi estàndard de RoBERTa quan hi ha text del domini objectiu disponible.

Obre a MethodMindAviatVídeoAviatDownload slides

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Method map

The neighbourhood of related methods — select a node to explore.

Fonts

  1. Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692. link
  2. Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D., & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. In Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740

Com citar aquesta pàgina

ScholarGate. (2026, June 3). Domain-Adaptive RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/ca/deep-learning/domain-adaptive-roberta-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.

Compare side by side
ScholarGateDomain-adaptive RoBERTa-based Classification (Domain-Adaptive RoBERTa-based Text Classification). Recuperat el 2026-06-15 de https://scholargate.app/ca/deep-learning/domain-adaptive-roberta-based-classification · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026