Itseohjautuva BERT-pohjainen luokittelu
Itseohjautuva BERT-pohjainen luokittelu hyödyntää Googlen Bidirectional Encoder Representations from Transformers (BERT) -mallia, joka on esikoulutettu massiivisella merkitsemättömällä tekstillä peitetyn kielen mallinnuksen (masked-language modelling) avulla. Malli hienosäädetään merkityillä esimerkeillä tekstin luokittelemiseksi eri kategorioihin. Se saavuttaa johdonmukaisesti huipputason tarkkuuden tunneanalyysissä, aiheen luokittelussa, aikomuksen tunnistuksessa ja vastaavissa NLP-tehtävissä, jopa rajallisella merkityllä datalla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
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, 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), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/fi/deep-learning/self-supervised-bert-based-classification
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →