Klasifikasi Berasaskan RoBERTa yang Ditala Halus
Klasifikasi berasaskan RoBERTa yang ditala halus mengadaptasi transformer pra-latih RoBERTa — yang merupakan varian BERT yang dilatih semula secara mantap — kepada tugas klasifikasi teks spesifik dengan menambahkan kepala klasifikasi dan meneruskan latihan pada contoh berlabel. Ia secara konsisten mencapai prestasi terbaik atau hampir terbaik dalam analisis sentimen, klasifikasi topik, pengesanan ketoksikan, dan tugas NLP yang serupa.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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:1907.11692. link ↗
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Fine-Tuned RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/ms/deep-learning/fine-tuned-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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT 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 →