Zelf-gesuperviseerde BERT-gebaseerde classificatie
Zelf-gesuperviseerde BERT-gebaseerde classificatie maakt gebruik van Google's Bidirectional Encoder Representations from Transformers (BERT), voorgetraind op enorme ongelabelde tekst via masked-language modelling, en fine-tuned op gelabelde voorbeelden om tekst in categorieën in te delen. Het behaalt consequent state-of-the-art nauwkeurigheid op sentimentanalyse, onderwerpclassificatie, intentiedetectie en vergelijkbare NLP-taken, zelfs met beperkte gelabelde data.
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.
Bronnen
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/nl/deep-learning/self-supervised-bert-based-classification
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →