Teksti väheste näidistega klassifitseerimine
Väheste näidistega teksti klassifitseerimine määrab dokumendid klassidesse, kasutades iga klassi kohta vaid käputäit märgistatud näiteid. Tuginedes Gao jt (2021) edusammudele ja Tunstall jt (2022) viipest vaba SetFit-lähenemisviisile, toetub see prototüüpvõrkudele, MAML-ile või suure eelnevalt treenitud mudeli täpsustamisele, et õppida nappidest märgenditest.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/et/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.
- BERT-i manusedTekstikaeve↔ compare
- Domeeni kohandamineTekstikaeve↔ compare
- SentimentanalüüsTekstikaeve↔ compare
- Teksti klassifitseerimineTekstikaeve↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →