Classificazione basata su BERT fine-tuned
La classificazione basata su BERT fine-tuned adatta un trasformatore BERT pre-addestrato a un compito specifico di classificazione del testo aggiungendo un leggero strato di output e continuando l'addestramento basato su gradiente su esempi etichettati. Ottiene costantemente un'accuratezza quasi allo stato dell'arte nell'analisi del sentiment, nella categorizzazione degli argomenti, nel rilevamento delle intenzioni e in altri compiti di classificazione NLP con set di dati etichettati relativamente piccoli.
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.
+8 more
Fonti
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? Proceedings of CCL 2019, LNCS 11856, 194–206. DOI: 10.1007/978-3-030-32381-3_16 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/it/deep-learning/fine-tuned-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.
- Classificazione basata su BERTApprendimento profondo↔ compare
- Classificazione basata su RoBERTa fine-tunedApprendimento profondo↔ compare
- Transformer con addestramento fine-tunedApprendimento 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 →