Klasifikasi Berbasis BERT dengan Pengawasan Lemah
Klasifikasi berbasis BERT dengan pengawasan lemah mengadaptasi BERT untuk tugas klasifikasi teks ketika hanya label yang berisik, heuristik, atau dihasilkan secara terprogram yang tersedia alih-alih anotasi manusia yang bersih. Ini menggabungkan kerangka kerja pengawasan lemah — seperti fungsi pelabelan dan pemrograman data — dengan representasi bahasa pra-terlatih BERT untuk mencapai klasifikasi yang kuat tanpa pelabelan manual yang mahal.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Meng, Y., Zhang, Y., Huang, J., Xiong, C., Ji, H., Zhang, C., & Han, J. (2020). Text Classification Using Label Names Only: A Language Model Self-Training Approach. Proceedings of EMNLP 2020, 9006–9017. link ↗
- Ratner, A., Bach, S. H., Ehrenberg, H., Fries, J., Wu, S., & Re, C. (2017). Snorkel: Rapid Training Data Creation with Weak Supervision. Proceedings of the VLDB Endowment, 11(3), 269–282. DOI: 10.14778/3157794.3157797 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Weakly Supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/id/deep-learning/weakly-supervised-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 Berbasis BERT Adaptif DomainPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT yang Di-fine-tunePembelajaran Mendalam↔ compare
- Klasifikasi Berbasis RoBERTaPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT Self-SupervisedPembelajaran Mendalam↔ compare
- Klasifikasi Berbasis BERT Semi-TerawasiPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →