Klasifikace založená na samo-dohledu s modelem BERT
Klasifikace založená na samo-dohledu s modelem BERT využívá model Bidirectional Encoder Representations from Transformers (BERT) od společnosti Google, předtrénovaný na masivním množství neoznačeného textu pomocí modelování maskovaného jazyka, a následně jej doladí na označených příkladech pro přiřazení textu do kategorií. Konzistentně dosahuje špičkové přesnosti v analýze sentimentu, klasifikaci témat, detekci záměru a podobných úlohách zpracování přirozeného jazyka (NLP) i s omezeným množstvím označených dat.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/cs/deep-learning/self-supervised-bert-based-classification
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →