Machine learningDeep learning / NLP / CV
ファインチューニングされたRoBERTaベースの分類
ファインチューニングされたRoBERTaベースの分類は、RoBERTa事前学習済みトランスフォーマー（BERTの堅牢に再学習されたバリアント）を、分類ヘッドを追加し、ラベル付きサンプルでトレーニングを継続することにより、特定のテキスト分類タスクに適応させます。感情分析、トピック分類、有害性検出、および同様のNLPタスクで、一貫して最先端またはそれに近いパフォーマンスを達成します。
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.
出典
- 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:1907.11692. link ↗
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/ja/deep-learning/fine-tuned-roberta-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BERT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