Semi-supervised RoBERTa-basert klassifisering
Semi-supervised RoBERTa-basert klassifisering kombinerer en stor forhåndstrent RoBERTa språkmodell med både et lite merket datasett og en større mengde umerket tekst. Ved å generere pseudo-etiketter eller håndheve konsistens på umerkede eksempler, trekker metoden ut veiledende signal fra uannoterte data, noe som gir sterkere klassifikatorer når "ground-truth"-annotasjoner er knappe.
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
- Liu, Y., Ott, M., Goyal, N., Du, J., Joshi, M., Chen, D., Levy, O., Lewis, M., Zettlemoyer, L., & Stoyanov, V. (2019). RoBERTa: A Robustly Optimized BERT Pretraining Approach. arXiv preprint arXiv:1907.11692. link ↗
- Xie, Q., Dai, Z., Hovy, E., Luong, M.-T., & Le, Q. V. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 11904–11915. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/no/deep-learning/semi-supervised-roberta-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-basert klassifiseringDyp læring↔ compare
- Finetunet RoBERTa-basert klassifiseringDyp læring↔ compare
- RoBERTa-basert klassifiseringDyp læring↔ compare
- Semi-supervised BERT-basert klassifiseringDyp læring↔ compare
- Semi-supervisert TransformerDyp læring↔ compare
- Svakt veiledet RoBERTa-basert klassifiseringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →