ترنسفورمر (پردازش زبان طبیعی)
ترنسفورمر مدلی یادگیری عمیق مبتنی بر توجه است که توسط واسوانی و همکارانش در سال ۲۰۱۷ معرفی شد و با اجازه دادن به هر توکن در یک توالی برای توجه مستقیم به هر توکن دیگر، وظایف طبقهبندی متن، تشخیص موجودیت نامدار و مدلسازی زبان را انجام میدهد. این مدل با مکانیزم توجه به خود (self-attention) که کل توالیها را به صورت موازی پردازش میکند، جایگزین طرحهای بازگشتی قبلی شد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Vaswani, A. et al. (2017). Attention Is All You Need. NeurIPS. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 1). Transformer Model for Natural Language Processing. ScholarGate. https://scholargate.app/fa/deep-learning/transformer-nlp
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.
- خودرمزگذاریادگیری عمیق↔ compare
- رگرسیون لجستیکآمار پژوهش↔ compare
- جنگل تصادفییادگیری ماشین↔ compare
- XGBoostیادگیری ماشین↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →