Clasificación Zero-Shot — Clasificación de Texto sin Datos de Entrenamiento
La clasificación zero-shot es una tarea de procesamiento del lenguaje natural que asigna texto a categorías descritas en lenguaje claro sin requerir datos de entrenamiento etiquetados. Formalizada como un problema de inferencia por Yin, Hay y Roth (2019), permite que un gran modelo de lenguaje preentrenado reconozca nuevas categorías sobre la marcha simplemente nombrándolas, lo que permite una rápida adaptación a nuevos conjuntos de etiquetas.
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
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/es/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.
- Clasificación de texto con pocos ejemplosMinería de texto↔ compare
- Análisis de SentimientoMinería de texto↔ compare
- Clasificación de TextoMinería de texto↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →