Classificação baseada em BERT auto-supervisionado
A classificação baseada em BERT auto-supervisionado utiliza o Bidirectional Encoder Representations from Transformers (BERT) do Google, pré-treinado em texto massivo não rotulado através de modelagem de linguagem mascarada, e o ajusta em exemplos rotulados para atribuir texto a categorias. Ele consistentemente alcança precisão de ponta em análise de sentimento, classificação de tópicos, detecção de intenção e tarefas semelhantes de PLN, mesmo com dados rotulados limitados.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019, 4171–4186. Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? In China National Conference on Chinese Computational Linguistics (CCL 2019), LNCS 11856, 194–206. Springer. DOI: 10.1007/978-3-030-32381-3_16 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised BERT-based Text Classification (Pretrain then Fine-tune). ScholarGate. https://scholargate.app/pt/deep-learning/self-supervised-bert-based-classification
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →