Klasifikasi Berbasis BERT Adaptif Domain
Klasifikasi berbasis BERT adaptif domain memperluas alur kerja penyempurnaan standar dengan pertama-tama melanjutkan pra-pelatihan model bahasa bertopeng (masked-language-model) BERT pada korpus besar teks tak berlabel dalam domain, kemudian menyempurnakan model yang telah diadaptasi pada contoh berlabel untuk tugas klasifikasi target. Pendekatan dua tahap ini menutup kesenjangan kosakata dan distribusi antara korpus pra-pelatihan umum BERT dan domain khusus seperti biomedis, hukum, keuangan, atau teks media sosial.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Sumber
- 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 ↗
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Domain-Adaptive Pre-training with BERT for Text Classification. ScholarGate. https://scholargate.app/id/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.
- Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
- Transformer Adaptif DomainPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT yang Di-fine-tunePembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ compare
- Sentence EmbeddingsPembelajaran Mendalam↔ compare
- Transfer Learning dengan Klasifikasi Berbasis BERTPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →