Classificazione basata su BERT auto-supervisionato
La classificazione basata su BERT auto-supervisionato utilizza i Bidirectional Encoder Representations from Transformers (BERT) di Google, pre-addestrati su enormi quantità di testo non etichettato tramite masked-language modelling, e li affina su esempi etichettati per assegnare il testo a categorie. Ottiene costantemente accuratezza allo stato dell'arte nell'analisi del sentiment, nella classificazione di argomenti, nel rilevamento di intenti e in compiti simili di NLP, anche con dati etichettati limitati.
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. In Proceedings of NAACL-HLT 2019, 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), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/it/deep-learning/self-supervised-bert-based-classification
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →