Classification à zéro exemple — Classification de texte sans données d'entraînement
La classification à zéro exemple est une tâche de traitement du langage naturel qui attribue du texte à des catégories décrites en langage courant, sans nécessiter de données d'entraînement étiquetées. Formalisée comme un problème d'inférence par Yin, Hay et Roth (2019), elle permet à un grand modèle de langage pré-entraîné de reconnaître de nouvelles catégories à la volée, simplement en les nommant, ce qui permet une adaptation rapide à de nouveaux ensembles d'étiquettes.
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.
Sources
- 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. link ↗
Comment citer cette page
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/fr/text-mining/zero-shot-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 de texte à quelques exemplesFouille de textes↔ compare
- Analyse des sentimentsFouille de textes↔ compare
- Classification de texteFouille de textes↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →