Klasyfikacja oparta na półnadzorczym modelu RoBERTa
Półnadzorczana klasyfikacja oparta na modelu RoBERTa łączy duży, wstępnie wytrenowany model językowy RoBERTa z niewielkim zbiorem danych oznakowanych oraz większą pulą nieoznakowanych tekstów. Generując pseudopolecenia lub wymuszając spójność na nieoznakowanych przykładach, metoda wydobywa sygnał nadzorczy z nieanotowanych danych, co prowadzi do uzyskania silniejszych klasyfikatorów, gdy etykiety referencyjne są rzadkie.
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.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja oparta na BERTUczenie głębokie↔ compare
- Klasyfikacja oparta na dostrojonym modelu RoBERTaUczenie głębokie↔ compare
- Klasyfikacja oparta na RoBERTaUczenie głębokie↔ compare
- Klasyfikacja półnadzorowana oparta na BERTUczenie głębokie↔ compare
- Transformery z uczeniem półnadzorowanymUczenie głębokie↔ compare
- Klasyfikacja z użyciem RoBERTa z nadzorem słabymUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →