Klasifikasi Berasaskan BERT yang Ditala Halus
Klasifikasi Berasaskan BERT yang Ditala Halus menyesuaikan transformer BERT yang telah dilatih awal (pre-trained) kepada tugasan klasifikasi teks spesifik dengan menambah lapisan output yang ringan dan meneruskan latihan berasaskan kecerunan (gradient-based) pada contoh berlabel. Ia secara konsisten mencapai ketepatan hampir keadaan seni (near-state-of-the-art) dalam analisis sentimen, pengkategorian topik, pengesanan niat, dan tugasan klasifikasi NLP lain dengan set data berlabel yang agak kecil.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Sumber
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? Proceedings of CCL 2019, LNCS 11856, 194–206. DOI: 10.1007/978-3-030-32381-3_16 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTa yang Ditala HalusPembelajaran Mendalam↔ compare
- Transformer yang Ditalar HalusPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTaPembelajaran Mendalam↔ compare
- Penyematan AyatPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →