Classificazione basata su RoBERTa auto-supervisionata
La classificazione basata su RoBERTa auto-supervisionata combina le potenti rappresentazioni linguistiche del trasformatore RoBERTa — apprese da grandi corpora non etichettati tramite masked-language modeling — con obiettivi auto-supervisionati per eseguire la classificazione del testo con dati etichettati dall'uomo minimi o nulli. L'approccio sfrutta abbondante testo non etichettato per generare il proprio segnale di addestramento prima del fine-tuning su un'attività di classificazione downstream.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Fonti
- Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692. link ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/it/deep-learning/self-supervised-roberta-based-classification
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →