BERT-basert klassifisering
BERT-basert klassifisering finjusterer Googles Bidirectional Encoder Representations from Transformers-modell på et merket tekstdatasett, og erstatter det generiske forhåndstrente hodet med et oppgavespesifikt klassifiseringslag. Den utnytter dyp tosidig kontekst fra hundrevis av millioner forhåndstrente parametere for å levere toppmoderne nøyaktighet på klassifiseringsoppgaver for kort- og mellomlange tekster med relativt beskjedne mengder merket data.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+60 more
Kilder
- 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 (pp. 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), Lecture Notes in Computer Science, vol 11856, pp. 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Bidirectional Encoder Representations from Transformers for Text Classification. ScholarGate. https://scholargate.app/no/deep-learning/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.
- Langtidskorttidsminne (LSTM)Dyp læring↔ compare
- Residuelle nevrale nettverkDyp læring↔ compare
- RoBERTa-basert klassifiseringDyp læring↔ compare
- SetningsembddingerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →