Machine learningDeep learning / NLP / CV

डोमेन-अनुकूलित बर्ट-आधारित वर्गीकरण

डोमेन-अनुकूलित बर्ट-आधारित वर्गीकरण मानक फाइन-ट्यूनिंग पाइपलाइन का विस्तार करता है, जिसमें पहले डोमेन-विशिष्ट लेबल-रहित पाठ के एक बड़े कॉर्पस पर बर्ट के मास्क्ड-लैंग्वेज-मॉडल प्री-ट्रेनिंग को जारी रखा जाता है, फिर लक्षित वर्गीकरण कार्य के लिए लेबल किए गए उदाहरणों पर अनुकूलित मॉडल को फाइन-ट्यून किया जाता है। यह दो-चरणीय दृष्टिकोण बर्ट की सामान्य प्री-ट्रेनिंग कॉर्पस और बायोमेडिसिन, कानून, वित्त, या सोशल-मीडिया पाठ जैसे विशिष्ट डोमेन के बीच शब्दावली और वितरण संबंधी अंतर को बंद करता है।

MethodMind में खोलेंजल्द हीवीडियोजल्द हीDownload slides

पूरी विधि पढ़ें

केवल सदस्यों के लिए

यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।

साइन इन करें

Method map

The neighbourhood of related methods — select a node to explore.

+4 more

स्रोत

  1. Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D., & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020), 8342–8360. DOI: 10.18653/v1/2020.acl-main.740
  2. Lee, J., Yoon, W., Kim, S., Kim, D., Kim, S., So, C. H., & Kang, J. (2020). BioBERT: a pre-trained biomedical language representation model for biomedical text mining. Bioinformatics, 36(4), 1234–1240. DOI: 10.1093/bioinformatics/btz682

इस पृष्ठ का उद्धरण कैसे दें

ScholarGate. (2026, June 3). Domain-Adaptive Pre-training with BERT for Text Classification. ScholarGate. https://scholargate.app/hi/deep-learning/domain-adaptive-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.

Compare side by side

इनमें संदर्भित

ScholarGateDomain-adaptive BERT-based Classification (Domain-Adaptive Pre-training with BERT for Text Classification). 2026-06-15 को यहाँ से प्राप्त https://scholargate.app/hi/deep-learning/domain-adaptive-bert-based-classification · डेटासेट: https://doi.org/10.5281/zenodo.20539026