Klasifikasi Berasaskan BERT Separuh-Terawasi
Klasifikasi berasaskan BERT separuh-terawasi menyempurnakan pengekod BERT yang telah dilatih awal pada sekumpulan kecil contoh teks berlabel sambil secara serentak memanfaatkan sejumlah besar teks tanpa label — melalui latihan konsistensi, pelabelan semu, atau penambahan data — untuk menghasilkan pengklasifikasi berkualiti tinggi walaupun anotasi manual adalah terhad.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Semi-supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT yang Ditala HalusPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTaPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT Kendiri-SusunPembelajaran Mendalam↔ compare
- Transformer Separa-SeliaanPembelajaran Mendalam↔ compare
- Klasifikasi BERT Berbantukan Pengawasan LemahPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →