Klasifikasi Berbasis RoBERTa Semi-Terawasi
Klasifikasi berbasis RoBERTa semi-terawasi menggabungkan model bahasa RoBERTa besar yang telah dilatih sebelumnya dengan sejumlah kecil dataset berlabel dan kumpulan teks tak berlabel yang lebih besar. Dengan menghasilkan label semu atau memaksakan konsistensi pada contoh tak berlabel, metode ini mengekstrak sinyal pengawasan dari data tanpa anotasi, menghasilkan pengklasifikasi yang lebih kuat ketika anotasi kebenaran dasar langka.
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 preprint arXiv:1907.11692. link ↗
- Xie, Q., Dai, Z., Hovy, E., Luong, M.-T., & Le, Q. V. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 11904–11915. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/id/deep-learning/semi-supervised-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 RoBERTa yang Di-fine-tunePembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT Semi-TerawasiPembelajaran Mendalam↔ compare
- Transformer Semi-terawasiPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTa dengan Supervisi LemahPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →