Clasificación basada en BERT auto-supervisado
La clasificación basada en BERT auto-supervisado utiliza los Transformers de Representaciones de Codificador Bidireccional (BERT) de Google, preentrenados en texto masivo no etiquetado mediante modelado de lenguaje enmascarado, y los ajusta con ejemplos etiquetados para asignar texto a categorías. Consistentemente logra precisión de vanguardia en análisis de sentimiento, clasificación de temas, detección de intenciones y tareas similares de PLN, incluso con datos etiquetados limitados.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/es/deep-learning/self-supervised-bert-based-classification
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →