Classification semi-supervisée basée sur RoBERTa
La classification semi-supervisée basée sur RoBERTa combine un grand modèle de langage RoBERTa pré-entraîné avec un petit ensemble de données étiquetées et un plus grand ensemble de textes non étiquetés. En générant des pseudo-étiquettes ou en imposant la cohérence sur les exemples non étiquetés, la méthode extrait un signal de supervision à partir de données non annotées, produisant des classifieurs plus robustes lorsque les annotations de vérité terrain sont rares.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
- Xie, Q., Dai, Z., Hovy, E., Luong, M.-T., & Le, Q. V. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 11904–11915. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/fr/deep-learning/semi-supervised-roberta-based-classification
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Classification basée sur BERTApprentissage profond↔ comparer
- Classification basée sur RoBERTa affinéApprentissage profond↔ comparer
- Classification basée sur RoBERTaApprentissage profond↔ comparer
- Classification semi-supervisée basée sur BERTApprentissage profond↔ comparer
- Transformeur semi-superviséApprentissage profond↔ comparer
- Classification faiblement supervisée basée sur RoBERTaApprentissage profond↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →