Pusautomātiskā klasifikācija, kas balstīta uz BERT
Pusautomātiskā BERT klasifikācija precizē iepriekš apmācītu BERT enkoderi uz nelielas atzīmētu teksta piemēru kopas, vienlaikus izmantojot daudz lielāku neatzīmēta teksta apjomu — izmantojot konsekvences apmācību, pseidopazīmju piešķiršanu vai datu paplašināšanu — lai radītu augstas kvalitātes klasifikatorus pat tad, ja manuālā anotācija ir reta.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Avoti
- Xie, Q., Dai, Z., Hovy, E., Luong, T., & Le, Q. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 27780–27792. link ↗
- Chen, J., Yang, Z., & Yang, D. (2020). MixText: Linguistically-Informed Interpolation of Hidden Space for Semi-Supervised Text Classification. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 2147–2157. DOI: 10.18653/v1/2020.acl-main.194 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/lv/deep-learning/semi-supervised-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.
- BERT klasifikācijaDziļā mācīšanās↔ compare
- Klasifikācija, kas pielāgota ar BERTDziļā mācīšanās↔ compare
- Klasifikācija, kas balstīta uz RoBERTaDziļā mācīšanās↔ compare
- Pašuzraudzības BERT klasifikācijaDziļā mācīšanās↔ compare
- Pusuzraudzīts transformatorsDziļā mācīšanās↔ compare
- BERT klasifikācija ar vājo uzraudzībuDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →