Pašuzraudzības BERT klasifikācija
Pašuzraudzības BERT klasifikācija izmanto Google Bidirectional Encoder Representations from Transformers (BERT), kas iepriekš apmācīts uz masīviem neapzīmētiem tekstiem, izmantojot maskētas valodas modelēšanu, un pēc tam tiek pielāgots, izmantojot apzīmētus piemērus, lai tekstu piešķirtu kategorijām. Tas konsekventi sasniedz visaugstāko precizitāti sentimenta analīzē, tēmu klasifikācijā, nodomu noteikšanā un līdzīgos NLP uzdevumos pat ar ierobežotiem apzīmētiem datiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
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, 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), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/lv/deep-learning/self-supervised-bert-based-classification
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →