Semi-gesuperviseerde BERT-gebaseerde Classificatie
Semi-gesuperviseerde BERT-gebaseerde classificatie fine-tuned een vooraf getrainde BERT-encoder op een kleine pool van gelabelde tekstvoorbeelden, terwijl tegelijkertijd gebruik wordt gemaakt van een veel grotere hoeveelheid ongelabelde tekst — via consistentietraining, pseudo-labeling of data-augmentatie — om classificatoren van hoge kwaliteit te produceren, zelfs wanneer handmatige annotatie schaars is.
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.
+3 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/nl/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.
- BERT-gebaseerde ClassificatieDeep learning↔ compare
- Fijn-afgestelde BERT-gebaseerde ClassificatieDeep learning↔ compare
- RoBERTa-gebaseerde ClassificatieDeep learning↔ compare
- Zelf-gesuperviseerde BERT-gebaseerde classificatieDeep learning↔ compare
- Semi-supervised TransformerDeep learning↔ compare
- Zwak gesuperviseerde BERT-gebaseerde classificatieDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →