Fijn-afgestelde BERT-gebaseerde Classificatie
Fijn-afgestelde BERT-gebaseerde Classificatie past een vooraf getrainde BERT-transformer aan voor een specifieke tekstclassificatietaak door een lichtgewicht outputlaag toe te voegen en gradiënt-gebaseerde training voort te zetten op gelabelde voorbeelden. Het behaalt consequent bijna state-of-the-art nauwkeurigheid op sentimentanalyse, categorisatie van onderwerpen, intentiedetectie en andere NLP-classificatietaken met relatief kleine gelabelde datasets.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/nl/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.
- BERT-gebaseerde ClassificatieDeep learning↔ compare
- Fijnafgestelde classificatie gebaseerd op RoBERTaDeep learning↔ compare
- Gefinetunede TransformerDeep learning↔ compare
- RoBERTa-gebaseerde ClassificatieDeep learning↔ compare
- Sentence EmbeddingsDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →