Classification semi-supervisée basée sur BERT
La classification semi-supervisée basée sur BERT ajuste finement un encodeur BERT pré-entraîné sur un petit ensemble d'exemples de texte étiquetés tout en exploitant simultanément un corps beaucoup plus grand de texte non étiqueté — via l'entraînement par cohérence, le pseudo-étiquetage ou l'augmentation de données — pour produire des classificateurs de haute qualité même lorsque l'annotation manuelle est rare.
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.
+3 more
Sources
- Xie, Q., Dai, Z., Hovy, E., Luong, T., & Le, Q. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 27780–27792. link ↗
- Chen, J., Yang, Z., & Yang, D. (2020). MixText: Linguistically-Informed Interpolation of Hidden Space for Semi-Supervised Text Classification. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 2147–2157. DOI: 10.18653/v1/2020.acl-main.194 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/fr/deep-learning/semi-supervised-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.
- Classification basée sur BERTApprentissage profond↔ compare
- Classification par BERT affinéApprentissage profond↔ compare
- Classification basée sur RoBERTaApprentissage profond↔ compare
- Self-supervised BERT-based classificationApprentissage profond↔ compare
- Transformeur semi-superviséApprentissage profond↔ compare
- Classification par BERT sous supervision faibleApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →