Classificació de text amb pocs exemples
La classificació de text amb pocs exemples assigna documents a classes utilitzant només un grapat d'exemples etiquetats per classe. Basant-se en els avenços de Gao et al. (2021) i l'enfocament SetFit sense prompts de Tunstall et al. (2022), es recolza en xarxes prototípiques, MAML o l'ajust fi d'un model pre-entrenat gran per aprendre a partir d'etiquetes escasses.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Gao, T., Fisch, A. & Chen, D. (2021). Making Pre-trained Language Models Better Few-shot Learners. ACL. DOI: 10.18653/v1/2021.acl-long.295 ↗
- Tunstall, L., Reimers, N., Jo, U.E.S., Bates, L., Korat, D., Wasserblat, M. & Pereg, O. (2022). Efficient Few-Shot Learning Without Prompts. arXiv. DOI: 10.48550/arXiv.2209.11055 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/ca/text-mining/few-shot-text-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.
- BERT EmbeddingsMineria de text↔ compare
- Adaptació de dominiMineria de text↔ compare
- Anàlisi de sentimentsMineria de text↔ compare
- Classificació de textMineria de text↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →