Pusuzraudzīta klasifikācija, izmantojot RoBERTa
Pusuzraudzīta klasifikācija, izmantojot RoBERTa, apvieno lielu iepriekš apmācītu RoBERTa valodu modeli ar nelielu marķētu datu kopu un lielāku nemarķēta teksta kopumu. Ģenerējot pseido-etiķetes vai nodrošinot konsekvenci nemarķētos piemēros, metode iegūst uzraudzības signālu no neanotētiem datiem, tādējādi iegūstot spēcīgākus klasifikatorus, ja patiesās anotācijas ir retas.
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
- 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 ↗
- Xie, Q., Dai, Z., Hovy, E., Luong, M.-T., & Le, Q. V. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 11904–11915. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/lv/deep-learning/semi-supervised-roberta-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
- RoBERTa modeļa adaptācija klasifikācijaiDziļā mācīšanās↔ compare
- Klasifikācija, kas balstīta uz RoBERTaDziļā mācīšanās↔ compare
- Pusautomātiskā klasifikācija, kas balstīta uz BERTDziļā mācīšanās↔ compare
- Pusuzraudzīts transformatorsDziļā mācīšanās↔ compare
- Vāji uzraudzīta RoBERTa bāzēta klasifikācijaDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →