Klasyfikacja tekstów w schemacie małej liczby przykładów
Klasyfikacja tekstów w schemacie małej liczby przykładów (few-shot text classification) polega na przypisywaniu dokumentów do klas przy użyciu zaledwie kilku oznakowanych przykładów na klasę. Opierając się na postępach Gao i in. (2021) oraz podejściu SetFit bez podpowiedzi (prompt-free) Tunstalla i in. (2022), metoda ta wykorzystuje sieci prototypowe, MAML lub dostrajanie (fine-tuning) dużego, wstępnie wytrenowanego modelu do uczenia się na podstawie skąpych etykiet.
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
- Gao, T., Fisch, A. & Chen, D. (2021). Making Pre-trained Language Models Better Few-shot Learners. ACL. DOI: 10.18653/v1/2021.acl-long.295 ↗
- Tunstall, L., Reimers, N., Jo, U.E.S., Bates, L., Korat, D., Wasserblat, M. & Pereg, O. (2022). Efficient Few-Shot Learning Without Prompts. arXiv. DOI: 10.48550/arXiv.2209.11055 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/pl/text-mining/few-shot-text-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.
- Osadzenia BERTEksploracja tekstu↔ compare
- Adaptacja domenowaEksploracja tekstu↔ compare
- Analiza sentymentuEksploracja tekstu↔ compare
- Klasyfikacja TekstuEksploracja tekstu↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →