Λιγο-δειγματική ταξινόμηση κειμένου
Η λιγο-δειγματική ταξινόμηση κειμένου αναθέτει έγγραφα σε κλάσεις χρησιμοποιώντας μόνο λίγα επισημασμένα παραδείγματα ανά κλάση. Βασιζόμενη στις εξελίξεις των Gao et al. (2021) και την προσέγγιση SetFit χωρίς προτροπές των Tunstall et al. (2022), αξιοποιεί πρωτοτυπικά δίκτυα, MAML ή λεπτομερή ρύθμιση ενός μεγάλου προεκπαιδευμένου μοντέλου για να μάθει από σπάνιες ετικέτες.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/el/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.
- Ενσωματώσεις BERTΕξόρυξη Κειμένου↔ compare
- Προσαρμογή ΠεδίουΕξόρυξη Κειμένου↔ compare
- Ανάλυση ΣυναισθήματοςΕξόρυξη Κειμένου↔ compare
- Ταξινόμηση ΚειμένουΕξόρυξη Κειμένου↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →