Klasyfikacja z użyciem RoBERTa z nadzorem słabym
Klasyfikacja z nadzorem słabym, oparta na modelu RoBERTa, łączy wstępnie wytrenowany transformator RoBERTa ze słabym nadzorem — programowymi lub heurystycznymi źródłami etykietowania — aby trenować wydajne klasyfikatory tekstu bez konieczności posiadania w pełni ręcznie etykietowanego zbioru danych. Funkcje etykietujące, nadzór zdalny lub sygnały pochodzące z crowdsourcingu generują zaszumione etykiety, które są agregowane i wykorzystywane do dostrajania modelu RoBERTa do zadań klasyfikacji końcowej.
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:1907.11692. link ↗
- Zhang, J., Yu, Y., Li, Y., Wang, Y., Yang, Y., Yang, M., & Ratner, A. (2021). WRENCH: A Comprehensive Benchmark for Weak Supervision. NeurIPS 2021 Datasets and Benchmarks Track. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Text Classification with RoBERTa. ScholarGate. https://scholargate.app/pl/deep-learning/weakly-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 oparta na półnadzorczym modelu RoBERTaUczenie głębokie↔ compare
- Klasyfikacja BERT oparta na słabym nadzorzeUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →