Zero-Shot Klassifikation — Tekstklassifikation Uden Træningsdata
Zero-shot klassifikation er en opgave inden for naturlig sprogbehandling, der tildeler tekst til kategorier beskrevet med almindeligt sprog uden at kræve mærkede træningsdata. Formuleret som et 'entailment'-problem af Yin, Hay og Roth (2019), lader det en stor fortrænet sprogmodel genkende nye kategorier 'on the fly' blot ved at navngive dem, hvilket muliggør hurtig tilpasning til nye mærkesæt.
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
- Yin, W., Hay, J. & Roth, D. (2019). Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. EMNLP, 3914-3923. DOI: 10.18653/v1/D19-1404 ↗
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/da/text-mining/zero-shot-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.
- Få-skuds tekstklassifikationTekstmining↔ compare
- SentimentanalyseTekstmining↔ compare
- TekstklassificeringTekstmining↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →