Pārneses apmācība ar BERT bāzētu klasifikāciju
Pārneses apmācība ar BERT bāzētu klasifikāciju pielāgo lielo transformatoru valodu modeli, kas iepriekš apmācīts uz masīviem tekstu korpusiem, mērķa klasifikācijas uzdevumam, precizējot tā svarus uz marķētiem piemēriem. Iepriekš apmācītās reprezentācijas kodē bagātīgas sintaktiskās un semantiskās zināšanas, nodrošinot augstu precizitāti pat tad, ja marķēto datu kopums ir mazs.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
+vēl 2
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 ↗
- Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Transfer Learning with BERT-based Text Classification. ScholarGate. https://scholargate.app/lv/deep-learning/transfer-learning-with-bert-based-classification
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- BERT klasifikācijaDziļā mācīšanās↔ salīdzināt
- Klasifikācija, kas pielāgota ar BERTDziļā mācīšanās↔ salīdzināt
- Klasifikācija, kas balstīta uz RoBERTaDziļā mācīšanās↔ salīdzināt
- Ievietojumi teikumiemDziļā mācīšanās↔ salīdzināt
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →