Klasifikasi Berbasis BERT yang Di-fine-tune
Klasifikasi Berbasis BERT yang Di-fine-tune mengadaptasi transformer BERT yang telah dilatih sebelumnya ke tugas klasifikasi teks tertentu dengan menambahkan lapisan keluaran yang ringan dan melanjutkan pelatihan berbasis gradien pada contoh berlabel. Metode ini secara konsisten mencapai akurasi mendekati mutakhir pada analisis sentimen, kategorisasi topik, deteksi niat, dan tugas klasifikasi NLP lainnya dengan kumpulan data berlabel yang relatif kecil.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Sumber
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? Proceedings of CCL 2019, LNCS 11856, 194–206. DOI: 10.1007/978-3-030-32381-3_16 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/id/deep-learning/fine-tuned-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
- Klasifikasi RoBERTa yang Di-fine-tunePembelajaran Mendalam↔ compare
- Transformer yang Disesuaikan HalusPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ compare
- Sentence EmbeddingsPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →