Klasyfikacja zero-shot — klasyfikacja tekstu bez danych treningowych
Klasyfikacja zero-shot to zadanie z zakresu przetwarzania języka naturalnego, które przypisuje tekst do kategorii opisanych językiem naturalnym, bez potrzeby posiadania jakichkolwiek oznakowanych danych treningowych. Sformalizowane jako problem wnioskowania przez Yin, Hay i Roth (2019), pozwala dużemu, wstępnie wytrenowanemu modelowi językowemu na rozpoznawanie nowych kategorii w locie, po prostu przez ich nazwanie, co umożliwia szybką adaptację do nowych zestawów 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
- Yin, W., Hay, J. & Roth, D. (2019). Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. EMNLP, 3914-3923. DOI: 10.18653/v1/D19-1404 ↗
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/pl/text-mining/zero-shot-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 tekstów w schemacie małej liczby przykładówEksploracja tekstu↔ compare
- Analiza sentymentuEksploracja tekstu↔ compare
- Klasyfikacja TekstuEksploracja tekstu↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →