Klasyfikacja BERT oparta na słabym nadzorze
Klasyfikacja BERT oparta na słabym nadzorze dostosowuje BERT do zadań klasyfikacji tekstu, gdy dostępne są jedynie zaszumione, heurystyczne lub programowo wygenerowane etykiety zamiast czystych adnotacji ludzkich. Łączy ona frameworki słabego nadzoru – takie jak funkcje etykietowania i programowanie danych – z pre-trenowanymi reprezentacjami językowymi BERT, aby osiągnąć solidną klasyfikację bez kosztownego ręcznego etykietowania.
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
- Meng, Y., Zhang, Y., Huang, J., Xiong, C., Ji, H., Zhang, C., & Han, J. (2020). Text Classification Using Label Names Only: A Language Model Self-Training Approach. Proceedings of EMNLP 2020, 9006–9017. link ↗
- Ratner, A., Bach, S. H., Ehrenberg, H., Fries, J., Wu, S., & Re, C. (2017). Snorkel: Rapid Training Data Creation with Weak Supervision. Proceedings of the VLDB Endowment, 11(3), 269–282. DOI: 10.14778/3157794.3157797 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/pl/deep-learning/weakly-supervised-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 domenowo adaptowanym modelu BERTUczenie głębokie↔ compare
- Klasyfikacja oparta na dostrojonym modelu BERTUczenie głębokie↔ compare
- Klasyfikacja oparta na RoBERTaUczenie głębokie↔ compare
- Klasyfikacja oparta na samo-nadzorowanym modelu BERTUczenie głębokie↔ compare
- Klasyfikacja półnadzorowana oparta na BERTUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →