Machine learningDeep learning / NLP / CV
Self-supervised RoBERTa-based Classification
Self-supervised RoBERTa-based classification은 마스크 언어 모델링(masked-language modeling)을 통해 대규모 비레이블 데이터셋에서 학습된 RoBERTa 트랜스포머의 강력한 언어 표현 능력을 자기 지도 학습 목표(self-supervised objectives)와 결합하여, 적은 양의 또는 전혀 레이블이 없는 데이터로 텍스트 분류를 수행하는 방법입니다. 이 접근법은 풍부한 비레이블 텍스트를 활용하여 다운스트림 분류 작업에 대한 미세 조정(fine-tuning) 전에 자체적인 학습 신호(training signal)를 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
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 preprint arXiv:1907.11692. link ↗
- 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 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/ko/deep-learning/self-supervised-roberta-based-classification