ScholarGate
Assistent
Process / pipeline

Få-skuds tekstklassifikation

Få-skuds tekstklassifikation tildeler dokumenter til klasser ved kun at bruge en håndfuld mærkede eksempler per klasse. Metoden bygger på fremskridt af Gao et al. (2021) og den prompt-fri SetFit-tilgang fra Tunstall et al. (2022), og den baserer sig på prototypske netværk, MAML eller finjustering af en stor fortrænet model for at lære fra sparsomme etiketter.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Gao, T., Fisch, A. & Chen, D. (2021). Making Pre-trained Language Models Better Few-shot Learners. ACL. DOI: 10.18653/v1/2021.acl-long.295
  2. Tunstall, L., Reimers, N., Jo, U.E.S., Bates, L., Korat, D., Wasserblat, M. & Pereg, O. (2022). Efficient Few-Shot Learning Without Prompts. arXiv. DOI: 10.48550/arXiv.2209.11055

Sådan citerer du denne side

ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/da/text-mining/few-shot-text-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.

Compare side by side

Refereret af

ScholarGateFew-Shot Text Classification (Few-Shot Text Classification). Hentet 2026-06-15 fra https://scholargate.app/da/text-mining/few-shot-text-classification · Datasæt: https://doi.org/10.5281/zenodo.20539026