Klasifikasi Berbasis BERT Self-Supervised
Klasifikasi Berbasis BERT Self-Supervised menggunakan Bidirectional Encoder Representations from Transformers (BERT) dari Google, yang telah dilatih sebelumnya (pretrained) pada teks tak berlabel dalam jumlah masif melalui pemodelan bahasa bertopeng (masked-language modelling), dan kemudian disesuaikan (fine-tuned) pada contoh berlabel untuk mengklasifikasikan teks ke dalam kategori-kategori. Metode ini secara konsisten mencapai akurasi mutakhir (state-of-the-art) pada analisis sentimen, klasifikasi topik, deteksi intensi, dan tugas-tugas Pemrosesan Bahasa Alami (NLP) serupa, bahkan dengan data berlabel yang terbatas.
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. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/id/deep-learning/self-supervised-bert-based-classification
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →