Schwache, auf RoBERTa basierende Klassifikation
Die schwache, auf RoBERTa basierende Klassifikation kombiniert den vortrainierten RoBERTa-Transformer mit schwacher Supervision – programmatischen oder heuristischen Label-Quellen –, um leistungsstarke Textklassifikatoren zu trainieren, ohne dass ein vollständig manuell gelabelter Datensatz erforderlich ist. Labeling Functions (LF), distanzielle Supervision oder Crowd-Sourcing-Signale generieren verrauschte Labels, die aggregiert und zum Fine-Tuning von RoBERTa für nachgelagerte Klassifikationsaufgaben verwendet werden.
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 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weakly Supervised Text Classification with RoBERTa. ScholarGate. https://scholargate.app/de/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-basierte KlassifikationDeep Learning↔ compare
- Feinabgestimmte RoBERTa-basierte KlassifikationDeep Learning↔ compare
- RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Semi-supervised RoBERTa-basierte KlassifikationDeep Learning↔ compare
- Schwache BERT-basierte KlassifikationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →