BERT-आधारित वर्गीकरण
BERT-आधारित वर्गीकरण Google के Bidirectional Encoder Representations from Transformers मॉडल को एक लेबल वाले टेक्स्ट डेटासेट पर फाइन-ट्यून करता है, सामान्य प्री-ट्रेन्ड हेड को एक कार्य-विशिष्ट वर्गीकरण परत से बदल देता है। यह अपेक्षाकृत मामूली मात्रा में लेबल वाले डेटा के साथ छोटे और मध्यम-लंबाई वाले टेक्स्ट वर्गीकरण कार्यों पर अत्याधुनिक सटीकता प्रदान करने के लिए सैकड़ों मिलियन प्री-ट्रेन्ड पैरामीटर्स से गहरे द्विदिश संदर्भ का लाभ उठाता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
+60 more
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Bidirectional Encoder Representations from Transformers for Text Classification. ScholarGate. https://scholargate.app/hi/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.
- लॉन्ग शॉर्ट-टर्म मेमोरी (LSTM)गहन अधिगम↔ compare
- पुनरावर्ती तंत्रिका नेटवर्कगहन अधिगम↔ compare
- RoBERTa-आधारित वर्गीकरणगहन अधिगम↔ compare
- वाक्य एम्बेडिंगगहन अधिगम↔ compare