BERT-pohjainen luokittelu
BERT-pohjainen luokittelu hienosäätää Googlen Bidirectional Encoder Representations from Transformers -mallia merkityllä tekstiaineistolla korvaamalla yleisen esikoulutetun pään tehtäväkohtaisella luokittelukerroksella. Se hyödyntää syvää kaksisuuntaista kontekstia sadoista miljoonista esikoulutetuista parametreista saavuttaakseen huippuluokan tarkkuuden lyhyen ja keskipitkän tekstin luokittelutehtävissä suhteellisen vaatimattomalla määrällä merkittyä dataa.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+60 more
Lähteet
- 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 (pp. 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), Lecture Notes in Computer Science, vol 11856, pp. 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bidirectional Encoder Representations from Transformers for Text Classification. ScholarGate. https://scholargate.app/fi/deep-learning/bert-based-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.
- Pitkä lyhytkestoinen muisti (LSTM)Syväoppiminen↔ compare
- Rekurrentti neuroverkkoSyväoppiminen↔ compare
- RoBERTa-pohjainen luokitteluSyväoppiminen↔ compare
- LauseupotuksetSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →