Itseohjautuva RoBERTa-pohjainen luokittelu
Itseohjautuva RoBERTa-pohjainen luokittelu yhdistää RoBERTa-transformer-mallin tehokkaat kielirepresentaatiot – jotka on opittu suurista merkitsemättömistä aineistoista naamioidun kielimallinnuksen avulla – itseohjautuviin tavoitteisiin tekstiluokittelun suorittamiseksi vähällä tai olemattomalla ihmismerkityllä datalla. Lähestymistapa hyödyntää runsaasti saatavilla olevaa merkitsemätöntä tekstiä oman harjoitus-signaalinsa generoimiseksi ennen hienosäätöä jatkotehtävän luokittelua varten.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Lähteet
- Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692. link ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/fi/deep-learning/self-supervised-roberta-based-classification
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →