Μηδενικών Δειγμάτων Ταξινόμηση — Ταξινόμηση Κειμένου Χωρίς Δεδομένα Εκπαίδευσης
Η ταξινόμηση μηδενικών δειγμάτων (zero-shot classification) είναι μια εργασία επεξεργασίας φυσικής γλώσσας που αναθέτει κείμενο σε κατηγορίες περιγραφόμενες με απλή γλώσσα, χωρίς να απαιτείται δεδομένα εκπαίδευσης με ετικέτες. Τυποποιημένη ως πρόβλημα συνεπαγωγής από τους Yin, Hay και Roth (2019), επιτρέπει σε ένα μεγάλο προεκπαιδευμένο γλωσσικό μοντέλο να αναγνωρίζει νέες κατηγορίες δυναμικά απλώς ονομάζοντάς τες, επιτρέποντας ταχεία προσαρμογή σε νέα σύνολα ετικετών.
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
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/el/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.
- Λιγο-δειγματική ταξινόμηση κειμένουΕξόρυξη Κειμένου↔ compare
- Ανάλυση ΣυναισθήματοςΕξόρυξη Κειμένου↔ compare
- Ταξινόμηση ΚειμένουΕξόρυξη Κειμένου↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →