Klasifikace založená na samo-dohledu s modelem RoBERTa
Klasifikace založená na samo-dohledu s modelem RoBERTa kombinuje silné jazykové reprezentace transformátoru RoBERTa — naučené z rozsáhlých neanotovaných korpusů prostřednictvím modelování maskovaného jazyka — se samo-dohledovými cíli pro provádění klasifikace textu s malým množstvím lidsky anotovaných dat nebo bez nich. Tento přístup využívá hojnost neanotovaného textu k generování vlastního tréninkového signálu před doladěním na následnou klasifikační úlohu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/cs/deep-learning/self-supervised-roberta-based-classification
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →