Classificazione basata su BERT
La classificazione basata su BERT affina il modello Bidirectional Encoder Representations from Transformers di Google su un dataset di testo etichettato, sostituendo la testa generica pre-addestrata con un livello di classificazione specifico per il compito. Sfrutta il contesto bidirezionale profondo di centinaia di milioni di parametri pre-addestrati per fornire accuratezza allo stato dell'arte su compiti di classificazione di testo di lunghezza breve e media con quantità relativamente modeste di dati etichettati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+60 more
Fonti
- 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 (pp. 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), Lecture Notes in Computer Science, vol 11856, pp. 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bidirectional Encoder Representations from Transformers for Text Classification. ScholarGate. https://scholargate.app/it/deep-learning/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.
- Long Short-Term Memory (LSTM)Apprendimento profondo↔ compare
- Reti neurali ricorrentiApprendimento profondo↔ compare
- Classificazione basata su RoBERTaApprendimento profondo↔ compare
- Sentence EmbeddingsApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →