Process / pipeline
סיווג ללא דוגמאות — סיווג טקסט ללא נתוני אימון
סיווג ללא דוגמאות הוא משימת עיבוד שפה טבעית המקצה טקסט לקטגוריות המתוארות בשפה פשוטה, ללא צורך בנתוני אימון מתויגים. פורמליזציה כבעיית היסק (entailment) על ידי יין, היי ורות (2019), היא מאפשרת למודל שפה גדול שאומן מראש לזהות קטגוריות חדשות באופן מיידי פשוט על ידי מתן שם להן, ובכך מאפשרת הסתגלות מהירה למערכות תוויות חדשות.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/he/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.
- סיווג טקסט במדגם קטן (Few-Shot Text Classification)כריית טקסט↔ compare
- ניתוח סנטימנטכריית טקסט↔ compare
- סיווג טקסטכריית טקסט↔ compare