Machine learningDeep learning / NLP / CV
RoBERTa 기반 미세조정 분류
RoBERTa 기반 미세조정 분류는 RoBERTa 사전훈련 트랜스포머(BERT의 강력하게 재훈련된 변형)를 분류 헤드를 추가하고 레이블이 지정된 예제로 훈련을 계속함으로써 특정 텍스트 분류 작업에 맞게 조정합니다. 이 방법은 감성 분석, 주제 분류, 독성 탐지 및 유사한 자연어 처리(NLP) 작업에서 일관되게 최첨단 또는 거의 최첨단 성능을 달성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Fine-Tuned RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/ko/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 기반 분류딥러닝↔ compare
- BERT 기반 미세조정 분류딥러닝↔ compare
- 파인튜닝 트랜스포머딥러닝↔ compare
- RoBERTa 기반 분류딥러닝↔ compare
- 문장 임베딩딥러닝↔ compare