Process / pipeline
제로샷 분류 — 훈련 데이터 없는 텍스트 분류
제로샷 분류는 레이블이 지정된 훈련 데이터 없이 일반 언어로 설명된 범주에 텍스트를 할당하는 자연어 처리 작업입니다. Yin, Hay 및 Roth (2019)에 의해 함축 문제로 형식화된 이 작업은 대규모 사전 훈련된 언어 모델이 단순히 이름을 지정하는 것만으로 새로운 범주를 인식하도록 하여, 새로운 라벨 세트에 대한 빠른 적응을 가능하게 합니다.
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
- Yin, W., Hay, J. & Roth, D. (2019). Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. EMNLP, 3914-3923. DOI: 10.18653/v1/D19-1404 ↗
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/ko/text-mining/zero-shot-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.
Compare side by side →