Classificació semi-supervisada basada en BERT
La classificació semi-supervisada basada en BERT ajusta un codificador BERT pre-entrenat en un petit conjunt d'exemples de text etiquetats, alhora que aprofita un cos molt més gran de text no etiquetat — mitjançant entrenament de consistència, pseudo-etiquetatge o augmentació de dades — per produir classificadors d'alta qualitat fins i tot quan l'anotació manual és escassa.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
+3 més
Fonts
- Xie, Q., Dai, Z., Hovy, E., Luong, T., & Le, Q. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 27780–27792. link ↗
- Chen, J., Yang, Z., & Yang, D. (2020). MixText: Linguistically-Informed Interpolation of Hidden Space for Semi-Supervised Text Classification. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 2147–2157. DOI: 10.18653/v1/2020.acl-main.194 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/ca/deep-learning/semi-supervised-bert-based-classification
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Classificació basada en BERTAprenentatge profund↔ compara
- Classificació basada en BERT amb ajustament fiAprenentatge profund↔ compara
- Classificació basada en RoBERTaAprenentatge profund↔ compara
- Classificació basada en BERT auto-supervisatAprenentatge profund↔ compara
- Transformer semi-supervisatAprenentatge profund↔ compara
- Classificació amb BERT basada en supervisió febleAprenentatge profund↔ compara
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →