Fine-Tuning BERT
Fine-tuning BERT, yang dibangun di atas model BERT yang diperkenalkan oleh Devlin dan rekan pada tahun 2019, melatih ulang model BERT yang sudah dilatih sebelumnya pada dataset berlabel kecil untuk tugas target seperti klasifikasi, pengenalan entitas bernama, atau tanya jawab. Melalui pembelajaran transfer, model ini mencapai kinerja tinggi bahkan dengan data spesifik tugas yang relatif sedikit.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y. & Huang, X. (2019). How to Fine-Tune BERT for Text Classification. CCL. DOI: 10.1007/978-3-030-32381-3_16 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/id/deep-learning/bert-finetuning
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.
- Fine-Tuning GPTPembelajaran Mendalam↔ compare
- LoRA dan PEFTPembelajaran Mendalam↔ compare
- Random ForestPembelajaran Mesin↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
- XGBoostPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →