Metodin todisteiden tietue
Zero-Shot Classification
Zero-shot classification is a natural-language-processing task that assigns text to categories described in plain language without requiring any labelled training data. Formalised as an entailment problem by Yin, Hay and Roth (2019), it lets a large pretrained language model recognise new categories on the fly simply by naming them, enabling rapid adaptation to fresh label sets.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Zero-Shot Text Classification
Taksonominen metoditietue · process-pipeline / text-mining
- 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. · URL
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.