Semi-superviseret RoBERTa-baseret klassifikation
Semi-superviseret RoBERTa-baseret klassifikation kombinerer en stor forudtrænet RoBERTa-sprogmodel med både et lille mærket datasæt og en større pulje af umærket tekst. Ved at generere pseudo-etiketter eller håndhæve konsistens på umærkede eksempler, udtrækker metoden et superviserende signal fra umærkede data, hvilket giver stærkere klassifikatorer, når grundsandhedsannotationer er knappe.
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 preprint arXiv:1907.11692. link ↗
- Xie, Q., Dai, Z., Hovy, E., Luong, M.-T., & Le, Q. V. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 11904–11915. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/da/deep-learning/semi-supervised-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
- Fintunet RoBERTa-baseret klassifikationDyb læring↔ compare
- RoBERTa-baseret KlassifikationDyb læring↔ compare
- Semi-overvåget BERT-baseret KlassifikationDyb læring↔ compare
- Semi-superviseret TransformerDyb læring↔ compare
- Svagt overvåget RoBERTa-baseret klassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →