Fintunet RoBERTa-baseret klassifikation
Fintunet RoBERTa-baseret klassifikation tilpasser den fortrænede RoBERTa-transformer – som i sig selv er en robust gentrænet variant af BERT – til en specifik tekstklassifikationsopgave ved at tilføje et klassifikationshoved og fortsætte træningen på mærkede eksempler. Den opnår konsekvent state-of-the-art eller næsten state-of-the-art ydeevne inden for sentimentanalyse, emneklassifikation, toksicitetsdetektion og lignende NLP-opgaver.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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:1907.11692. link ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Fine-Tuned RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/da/deep-learning/fine-tuned-roberta-based-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-baseret klassifikationDyb læring↔ compare
- Finjusteret BERT-baseret klassifikationDyb læring↔ compare
- Fintunet TransformerDyb læring↔ compare
- RoBERTa-baseret KlassifikationDyb læring↔ compare
- SætningsindlejringerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →