Svagt superviseret BERT-baseret klassifikation
Svagt superviseret BERT-baseret klassifikation tilpasser BERT til tekstklassifikationsopgaver, når der kun er støjende, heuristiske eller programmatisk genererede etiketter tilgængelige i stedet for rene menneskelige annotationer. Den kombinerer svage supervisionsrammer – såsom mærkningsfunktioner og dataindretning – med BERT's forudtrænede sprogrepræsentationer for at opnå robust klassifikation uden dyr manuel mærkning.
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
- Meng, Y., Zhang, Y., Huang, J., Xiong, C., Ji, H., Zhang, C., & Han, J. (2020). Text Classification Using Label Names Only: A Language Model Self-Training Approach. Proceedings of EMNLP 2020, 9006–9017. link ↗
- Ratner, A., Bach, S. H., Ehrenberg, H., Fries, J., Wu, S., & Re, C. (2017). Snorkel: Rapid Training Data Creation with Weak Supervision. Proceedings of the VLDB Endowment, 11(3), 269–282. DOI: 10.14778/3157794.3157797 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Weakly Supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/da/deep-learning/weakly-supervised-bert-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
- Domæne-adaptiv BERT-baseret klassifikationDyb læring↔ compare
- Finjusteret BERT-baseret klassifikationDyb læring↔ compare
- RoBERTa-baseret KlassifikationDyb læring↔ compare
- Selv-overvåget BERT-baseret KlassifikationDyb læring↔ compare
- Semi-overvåget BERT-baseret KlassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →