Pašuzraudzības RoBERTa balstīta klasifikācija
Pašuzraudzības RoBERTa balstīta klasifikācija apvieno RoBERTa transformera jaudīgos valodu attēlojumus — apgūtus no lieliem neanotētiem korpusiem, izmantojot maskētas valodu modelēšanas uzdevumus — ar pašuzraudzības mērķiem, lai veiktu tekstu klasifikāciju ar maz vai nemaz nepieciešamiem cilvēku marķētiem datiem. Šī pieeja izmanto bagātīgus neanotētus tekstus, lai radītu savu apmācības signālu pirms smalkās regulēšanas (fine-tuning) uz lejupejošu klasifikācijas uzdevumu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/lv/deep-learning/self-supervised-roberta-based-classification
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →