Classification basée sur BERT
La classification basée sur BERT ajuste le modèle Bidirectional Encoder Representations from Transformers de Google sur un jeu de données textuelles étiquetées, en remplaçant la tête pré-entraînée générique par une couche de classification spécifique à la tâche. Elle exploite le contexte bidirectionnel profond de centaines de millions de paramètres pré-entraînés pour fournir une précision de pointe sur les tâches de classification de textes courts et de longueur moyenne avec des quantités relativement modestes de données étiquetées.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+60 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bidirectional Encoder Representations from Transformers for Text Classification. ScholarGate. https://scholargate.app/fr/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.
- Long Short-Term Memory (LSTM)Apprentissage profond↔ compare
- Réseau de neurones récurrentApprentissage profond↔ compare
- Classification basée sur RoBERTaApprentissage profond↔ compare
- Plongements de phrasesApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →