Klasyfikacja oparta na dostrojonym modelu BERT
Klasyfikacja oparta na dostrojonym modelu BERT adaptuje wstępnie wytrenowany transformator BERT do konkretnego zadania klasyfikacji tekstu poprzez dodanie lekkiej warstwy wyjściowej i kontynuowanie treningu opartego na gradiencie na oznakowanych przykładach. Konsekwentnie osiąga dokładność bliską najnowocześniejszym wynikom w analizie sentymentu, kategoryzacji tematów, detekcji intencji i innych zadaniach klasyfikacji NLP, nawet przy stosunkowo małych zbiorach danych.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Źródła
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? Proceedings of CCL 2019, LNCS 11856, 194–206. DOI: 10.1007/978-3-030-32381-3_16 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/pl/deep-learning/fine-tuned-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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Klasyfikacja oparta na dostrojonym modelu RoBERTaUczenie głębokie↔ compare
- Dostrojony TransformerUczenie głębokie↔ compare
- Klasyfikacja oparta na RoBERTaUczenie głębokie↔ compare
- Osadzanie zdańUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →