Selv-supervisert BERT-basert klassifisering
Selv-supervisert BERT-basert klassifisering bruker Googles Bidirectional Encoder Representations from Transformers (BERT), forhåndstrent på massive umerkede tekstdata via maskert språkmodellering, og finjusterer det på merkede eksempler for å tildele tekst til kategorier. Det oppnår konsekvent toppmoderne nøyaktighet på sentimentanalyse, emneklassifisering, intensjonsdeteksjon og lignende NLP-oppgaver, selv med begrenset merkede 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.
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, 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/no/deep-learning/self-supervised-bert-based-classification
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →