Klasifikasi RoBERTa yang Di-fine-tune
Klasifikasi berbasis RoBERTa yang di-fine-tune mengadaptasi transformer pra-terlatih RoBERTa — yang merupakan varian BERT yang dilatih ulang secara kuat — ke tugas klasifikasi teks tertentu dengan menambahkan kepala klasifikasi dan melanjutkan pelatihan pada contoh berlabel. Model ini secara konsisten mencapai kinerja mutakhir atau mendekati mutakhir pada analisis sentimen, klasifikasi topik, deteksi toksisitas, dan tugas NLP serupa.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv:1907.11692. link ↗
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Fine-Tuned RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/id/deep-learning/fine-tuned-roberta-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 Berbasis BERT 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 →