Process / pipeline
Few-Shot Text Classification
Few-shot text classificationは、クラスごとに数個のラベル付きサンプルのみを使用して文書をクラスに割り当てる手法である。Gaoら (2021) の進歩やTunstallら (2022) によるプロンプトフリーのSetFitアプローチを基盤とし、プロトタイプネットワーク、MAML、または大規模事前学習済みモデルのファインチューニングを活用して、少ないラベルから学習する。
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。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- Gao, T., Fisch, A. & Chen, D. (2021). Making Pre-trained Language Models Better Few-shot Learners. ACL. DOI: 10.18653/v1/2021.acl-long.295 ↗
- Tunstall, L., Reimers, N., Jo, U.E.S., Bates, L., Korat, D., Wasserblat, M. & Pereg, O. (2022). Efficient Few-Shot Learning Without Prompts. arXiv. DOI: 10.48550/arXiv.2209.11055 ↗
このページの引用方法
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/ja/text-mining/few-shot-text-classification
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
並べて比較する →