Classificação Autossupervisionada Baseada em RoBERTa
A classificação autossupervisionada baseada em RoBERTa combina as poderosas representações de linguagem do transformador RoBERTa — aprendidas a partir de grandes "corpora" não rotulados através da modelagem de linguagem mascarada — com objetivos autossupervisionados para realizar a classificação de texto com pouca ou nenhuma informação rotulada por humanos. A abordagem aproveita o texto não rotulado abundante para gerar seu próprio sinal de treinamento antes do "fine-tuning" em uma tarefa de classificação "downstream".
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Fontes
- 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 preprint arXiv:1907.11692. link ↗
- 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 (pp. 4171–4186). Association for Computational Linguistics. DOI: 10.18653/v1/N19-1423 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/pt/deep-learning/self-supervised-roberta-based-classification
Encontrou um problema nesta página? Relate ou sugira uma correção →