Semi-supervised RoBERTa-basierte Klassifikation
Semi-supervised RoBERTa-basierte Klassifikation kombiniert ein großes vortrainiertes RoBERTa-Sprachmodell mit einem kleinen Satz gelabelter Daten und einem größeren Pool ungelabelter Texte. Durch die Generierung von Pseudolabels oder die Erzwingung von Konsistenz bei ungelabelten Beispielen extrahiert die Methode Steuersignale aus nicht annotierten Daten, was zu stärkeren Klassifikatoren führt, wenn Ground-Truth-Annotationen knapp sind.
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 preprint arXiv:1907.11692. link ↗
- Xie, Q., Dai, Z., Hovy, E., Luong, M.-T., & Le, Q. V. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 11904–11915. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/de/deep-learning/semi-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-basierte KlassifikationDeep Learning↔ compare
- Feinabgestimmte RoBERTa-basierte KlassifikationDeep Learning↔ compare
- RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Semi-überwachte BERT-basierte KlassifikationDeep Learning↔ compare
- Semisupervidierter TransformerDeep Learning↔ compare
- Schwache, auf RoBERTa basierende KlassifikationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →