Fine-Tuning di BERT
Il fine-tuning di BERT, basato sul modello BERT introdotto da Devlin e colleghi nel 2019, riaddestra un modello BERT pre-addestrato su un piccolo dataset etichettato per un compito specifico come la classificazione, il riconoscimento di entità nominate o la risposta a domande. Attraverso il transfer learning, raggiunge prestazioni elevate anche con dati relativamente scarsi specifici per il compito.
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.
Fonti
- Devlin, J., Chang, M.-W., Lee, K. & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y. & Huang, X. (2019). How to Fine-Tune BERT for Text Classification. CCL. DOI: 10.1007/978-3-030-32381-3_16 ↗
Come citare questa pagina
ScholarGate. (2026, June 1). Fine-Tuning of Pre-trained BERT (Bidirectional Encoder Representations from Transformers). ScholarGate. https://scholargate.app/it/deep-learning/bert-finetuning
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.
- Fine-Tuning di GPTApprendimento profondo↔ compare
- LoRA e PEFTApprendimento profondo↔ compare
- Random ForestApprendimento automatico↔ compare
- Vision TransformerApprendimento profondo↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →