Klasifikasi Sifar-Shot — Klasifikasi Teks Tanpa Data Latihan
Klasifikasi sifar-shot ialah tugas pemprosesan bahasa semula jadi yang menetapkan teks kepada kategori yang diterangkan dalam bahasa biasa tanpa memerlukan sebarang data latihan berlabel. Diformalkan sebagai masalah implikasi oleh Yin, Hay dan Roth (2019), ia membolehkan model bahasa prapelatihan yang besar mengenali kategori baharu secara spontan hanya dengan menamakannya, membolehkan penyesuaian pantas kepada set label baharu.
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
- Yin, W., Hay, J. & Roth, D. (2019). Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. EMNLP, 3914-3923. DOI: 10.18653/v1/D19-1404 ↗
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/ms/text-mining/zero-shot-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 Teks Sedikit ContohPerlombongan Teks↔ compare
- Analisis SentimenPerlombongan Teks↔ compare
- Klasifikasi TeksPerlombongan Teks↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →