Null-kujuline klassifitseerimine — tekstiklassifitseerimine ilma treeningandmeteta
Null-kujuline klassifitseerimine on loomuliku keele töötlemise ülesanne, mis määrab tekstile kategooriad, mida kirjeldatakse lihtsas keeles, ilma et oleks vaja mingeid märgistatud treeningandmeid. Yin, Hay ja Roth (2019) formaliseerisid selle kui järeldusülesande, mis võimaldab suurel eelnevalt koolitatud keelemudeli uusi kategooriaid jooksvalt tuvastada, lihtsalt neid nimetades, mis võimaldab kiiret kohanemist uute märgendikomplektidega.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/et/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.
- Teksti väheste näidistega klassifitseerimineTekstikaeve↔ compare
- SentimentanalüüsTekstikaeve↔ compare
- Teksti klassifitseerimineTekstikaeve↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →