Apprendimento per trasferimento con classificazione basata su BERT
L'apprendimento per trasferimento con classificazione basata su BERT adatta un modello linguistico transformer di grandi dimensioni, pre-addestrato su massicci corpora testuali, a un compito di classificazione target mediante il fine-tuning dei suoi pesi su esempi etichettati. Le rappresentazioni pre-addestrate codificano ricche conoscenze sintattiche e semantiche, consentendo un'elevata accuratezza anche quando il set di dati etichettato è piccolo.
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.
+2 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, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Transfer Learning with BERT-based Text Classification. ScholarGate. https://scholargate.app/it/deep-learning/transfer-learning-with-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 BERT 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 →