Machine learningDeep learning / NLP / CV
약한 지도 RoBERTa 기반 분류
약한 지도 RoBERTa 기반 분류는 RoBERTa 사전 훈련 트랜스포머와 약한 지도(프로그래밍 방식 또는 휴리스틱 레이블링 소스)를 결합하여 완전 수동 레이블링 데이터셋 없이도 강력한 텍스트 분류기를 훈련합니다. 레이블링 함수, 원거리 지도, 또는 크라우드 소싱 신호는 노이즈가 있는 레이블을 생성하며, 이는 집계되어 다운스트림 분류 작업을 위해 RoBERTa를 미세 조정하는 데 사용됩니다.
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 ↗
- Zhang, J., Yu, Y., Li, Y., Wang, Y., Yang, Y., Yang, M., & Ratner, A. (2021). WRENCH: A Comprehensive Benchmark for Weak Supervision. NeurIPS 2021 Datasets and Benchmarks Track. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weakly Supervised Text Classification with RoBERTa. ScholarGate. https://scholargate.app/ko/deep-learning/weakly-supervised-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
- RoBERTa 기반 미세조정 분류딥러닝↔ compare
- RoBERTa 기반 분류딥러닝↔ compare
- 준지도 RoBERTa 기반 분류딥러닝↔ compare
- 약한 지도 BERT 기반 분류딥러닝↔ compare