Classificació zero-shot — Classificació de text sense dades d'entrenament
La classificació zero-shot és una tasca de processament del llenguatge natural que assigna text a categories descrites en llenguatge planer, sense necessitat de dades d'entrenament etiquetades. Formalitzada com un problema d'implicació lògica per Yin, Hay i Roth (2019), permet a un gran model de llenguatge pre-entrenat reconèixer noves categories sobre la marxa simplement anomenant-les, cosa que permet una ràpida adaptació a nous conjunts d'etiquetes.
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
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/ca/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.
- Classificació de text amb pocs exemplesMineria 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 →