Svagt overvåget RoBERTa-baseret klassifikation
Svagt overvåget RoBERTa-baseret klassifikation kombinerer den forhåndstrænede RoBERTa-transformer med svag overvågning – programmatiske eller heuristiske mærkningskilder – for at træne kraftfulde tekstklassifikatorer uden at kræve et fuldt manuelt mærket datasæt. Mærkningsfunktioner, fjernovervågning eller crowd-sourced signaler genererer støjende mærkater, der aggregeres og bruges til at finjustere RoBERTa til downstream-klassifikationsopgaver.
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 ↗
- Zhang, J., Yu, Y., Li, Y., Wang, Y., Yang, Y., Yang, M., & Ratner, A. (2021). WRENCH: A Comprehensive Benchmark for Weak Supervision. NeurIPS 2021 Datasets and Benchmarks Track. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Weakly Supervised Text Classification with RoBERTa. ScholarGate. https://scholargate.app/da/deep-learning/weakly-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-superviseret RoBERTa-baseret klassifikationDyb læring↔ compare
- Svagt superviseret BERT-baseret klassifikationDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →