Machine learningDeep learning / NLP / CV
ファインチューニングされたBERTベースの分類
ファインチューニングされたBERTベースの分類は、軽量な出力層を追加し、ラベル付きサンプルで勾配ベースのトレーニングを継続することにより、事前学習されたBERTトランスフォーマーを特定のテキスト分類タスクに適合させます。感情分析、トピック分類、意図検出、その他のNLP分類タスクにおいて、比較的小さなラベル付きデータセットで、常に最先端に近い精度を達成します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/ja/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.
- BERTベースの分類深層学習↔ compare
- ファインチューニングされたRoBERTaベースの分類深層学習↔ compare
- Fine-Tuned Transformer深層学習↔ compare
- RoBERTaベースの分類深層学習↔ compare
- 文埋め込み（Sentence Embeddings）深層学習↔ compare