Classificació basada en RoBERTa auto-supervisada
La classificació basada en RoBERTa auto-supervisada combina les potents representacions lingüístiques del transformador RoBERTa —apreses de grans corpus no etiquetats mitjançant modelatge de llenguatge emmascarat— amb objectius auto-supervisats per realitzar classificació de text amb poca o gens de dada etiquetada per humans. L'aproximació aprofita l'abundant text no etiquetat per generar el seu propi senyal d'entrenament abans del ajustament fi (fine-tuning) per a una tasca de classificació posterior.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Fonts
- 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 ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/ca/deep-learning/self-supervised-roberta-based-classification
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →