Self-supervised RoBERTa-based classification
Self-supervised RoBERTa-based classification combines the RoBERTa transformer's powerful language representations — learned from large unlabeled corpora through masked-language modeling — with self-supervised objectives to perform text classification with little or no human-labeled data. The approach leverages abundant unlabeled text to generate its own training signal before fine-tuning on a downstream classification task.
Kilderegister
Siteringer kopiert ordrett fra metodens kilderegister. Ingen påstandsnivåverifisering er underforstått fra dem.
- 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. · URL
- 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
Kuraterte påstander
Påstander lagret i bevishovedboken, hver med sin egen vurdering.
Denne visningen finner ikke opp en påstandsvurdering når hovedboken ikke har noen.
Relaterte metoder
Generert fra metodegrafen og vist som maskinforslåtte relasjoner – ingen bevispåstand er underforstått.
Den genererte relasjonsgrafen har ingen utgående relasjon for denne metoden.