Machine learningDeep learning / NLP / CV

BERT klasifikācija

BERT klasifikācija ir Google Bidirectional Encoder Representations from Transformers (BERT) modeļa smalkā (fine-tuning) pielāgošana, izmantojot iezīmētu teksta datu kopu, aizstājot vispārīgo iepriekš apmācīto galvu ar uzdevumam specifisku klasifikācijas slāni. Tā izmanto dziļu divvirzienu kontekstu no simtiem miljonu iepriekš apmācītu parametru, lai sasniegtu vismodernāko precizitāti īsu un vidēja garuma tekstu klasifikācijas uzdevumos ar salīdzinoši nelielu daudzumu iezīmētu datu.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

BERT klasifikācija

Atmiņas ilgtermiņa īster…Atkārtotais neironu tīkls Klasifikācija, kas balst…Ievietojumi teikumiem Domenam pielāgotā BERT k…Domenam pielāgotā nosauk…Jomapielāgota jautājumu…Uz domēnu adaptēta RoBER…Domenam pielāgotas teiku…Domēnam adaptīva sentime…

+60 more

Avoti

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 ↗
Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), Lecture Notes in Computer Science, vol 11856, pp. 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗

Kā citēt šo lapu

ScholarGate. (2026, June 3). Bidirectional Encoder Representations from Transformers for Text Classification. ScholarGate. https://scholargate.app/lv/deep-learning/bert-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.

Atmiņas ilgtermiņa īstermiņa (LSTM) arhitektūraDziļā mācīšanās↔ compare
Atkārtotais neironu tīklsDziļā mācīšanās↔ compare
Klasifikācija, kas balstīta uz RoBERTaDziļā mācīšanās↔ compare
Ievietojumi teikumiemDziļā mācīšanās↔ compare

Compare side by side →

Uz to atsaucas

Domenam pielāgotā BERT klasifikācija Domenam pielāgotā nosaukto entitāšu atpazīšana Jomapielāgota jautājumu atbildēšana Uz domēnu adaptēta RoBERTa balstīta klasifikācija Domenam pielāgotas teikumu reprezentācijas Domēnam adaptīva sentimenta analīze Adaptīvā domēnas tekstveida kopsavilkšana Skaidrojama BERT bāzēta klasifikācija Skaidrojamā nosaukto entitāšu atpazīšana Paskaidrojamā jautājumu atbildēšana Skaidrojama RoBERTa bāzēta klasifikācija Skaidrojamas teikumu ietveres Paskaidrojamā sentimenta analīze Skaidrojama tēmu modelēšana Skaidrojams Transformeris Klasifikācija, kas pielāgota ar BERT Fine-Tuned Doc2Vec Pielāgots LSTM Ar smalku noskaņošanu precizēta nosaukto entitāšu atpazīšana Jautājumu atbildēšanas sistēmas ar smalku regulēšanu RoBERTa modeļa adaptācija klasifikācijai Sintētiski pielāgotas teicienu iegultnes Teksta kopsavilkumu precizēšana Pielāgotā tēmu modelēšana Precīzi noskaņots transformators Pielāgotais Vision Transformer Fine-Tuned Word2Vec Gated Recurrent Unit (GRU)LDA tēmu modelis Atmiņas ilgtermiņa īstermiņa (LSTM) arhitektūra Daudzvalodu jautājumu atbildēšana Daudzvalodu klasifikācija, balstīta uz RoBERTa Daudzvalodu teikumu iegulšanas Daudzvalodu noskaņojuma analīze Daudzvalodu transformators Daudzmodālu nosaukto entitāšu atpazīšana Daudzmodālu jautājumu atbildēšana Multimodāla RoBERTa klasifikācija Daudzmodālu tekstu kopsavilkums Daudzmodālu Transformers Daudzmodālais vīzijas transformators NMF tēmu modelis Atkārtotais neironu tīkls Klasifikācija, kas balstīta uz RoBERTa Pašuzraudzības LDA tēmu modelis Pašuzraudzības teikumu iegulšanas Pašuzraudzītā tekstu tēmu modelēšana Pašuzraudzības Transformer Pusautomātiskā klasifikācija, kas balstīta uz BERT Pusuzraudzītā LDA tēmu modelis Semi-supervised Question Answering Pusuzraudzīta klasifikācija, izmantojot RoBERTa Puss-uzraudzītas teikumu iegultnes Pusautomātiskā sentimenta analīze Pusuzraudzīts transformators Ievietojumi teikumiem Tēmu modelēšana Pārneses apmācība ar BERT bāzētu klasifikāciju Pārneses mācīšanās ar LSTM Pārneses apmācība ar nosaukto entītiju atpazīšanu Pārneses apmācība ar teikumu iegulšanu Pārneses apmācība tekstu apkopošanai Pārneses apmācība ar tēmu modelēšanu BERT klasifikācija ar vājo uzraudzību Vāji uzraudzīta jautājumu atbildēšana Vāji uzraudzīta RoBERTa bāzēta klasifikācija Vāji uzraudzītas teicienu reprezentācijas Vāji uzraudzīta tēmu modelēšana Vāji uzraudzīts Transformers Vāji uzraudzīts Word2Vec

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →

Lasīt pilno metodes aprakstu

Method map

Avoti

Kā citēt šo lapu

Saistītās metodes

Which method?

Uz to atsaucas