Klasifikasi Berasaskan RoBERTa Separuh-Terawasi
Klasifikasi RoBERTa Separuh-Terawasi menggabungkan model bahasa RoBERTa besar yang telah dilatih awal dengan kedua-dua set data berlabel kecil dan kumpulan teks tanpa label yang lebih besar. Dengan menjana label kejituan atau menguatkuasakan ketekalan pada contoh tanpa label, kaedah ini mengekstrak isyarat penyeliaan daripada data tanpa anotasi, menghasilkan pengklasifikasi yang lebih kukuh apabila anotasi sebenar 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.
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 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/ms/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.
- Klasifikasi Berasaskan BERTPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTa yang Ditala HalusPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTaPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan BERT Separuh-TerawasiPembelajaran Mendalam↔ compare
- Transformer Separa-SeliaanPembelajaran Mendalam↔ compare
- Klasifikasi Berasaskan RoBERTa Berawasan LemahPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →