Feinabgestimmte RoBERTa-basierte Klassifikation
Die feinabgestimmte RoBERTa-basierte Klassifikation passt den vortrainierten RoBERTa-Transformer – selbst eine robust nachbearbeitete Variante von BERT – an eine spezifische Textklassifikationsaufgabe an, indem ein Klassifikationskopf angehängt und das Training mit gelabelten Beispielen fortgesetzt wird. Sie erzielt durchweg Spitzenleistungen oder nahezu Spitzenleistungen bei der Sentimentanalyse, Themenklassifikation, Toxizitätsdetektion und ähnlichen NLP-Aufgaben.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Fine-Tuned RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/de/deep-learning/fine-tuned-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-basierte KlassifikationDeep Learning↔ compare
- Feinabgestimmte BERT-basierte KlassifikationDeep Learning↔ compare
- Fine-Tuned TransformerDeep Learning↔ compare
- RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Sentence EmbeddingsDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →