Klasifikacija bez ijednog primjera (Zero-Shot Classification) — Klasifikacija teksta bez podataka za obuku
Klasifikacija bez ijednog primjera (zero-shot classification) jest zadatak obrade prirodnog jezika koji dodjeljuje tekst kategorijama opisanim prirodnim jezikom, bez potrebe za označenim podacima za obuku. Formaliziran kao problem implikacije (entailment problem) od strane Yina, Haya i Rotha (2019.), omogućuje velikom prethodno obučenom jezičnom modelu da prepoznaje nove kategorije u hodu jednostavnim imenovanjem, što omogućuje brzu prilagodbu novim skupovima oznaka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/hr/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.
- Kratko-primjerska klasifikacija tekstaRudarenje teksta↔ compare
- Analiza sentimentaRudarenje teksta↔ compare
- Klasifikacija tekstaRudarenje teksta↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →