Classificação Semi-supervisionada Baseada em BERT
A classificação semi-supervisionada baseada em BERT ajusta (fine-tunes) um codificador BERT pré-treinado em um pequeno conjunto de exemplos de texto rotulados, enquanto simultaneamente aproveita um corpo muito maior de texto não rotulado — via treinamento de consistência, pseudo-rotulagem ou aumento de dados — para produzir classificadores de alta qualidade, mesmo quando a anotação manual é escassa.
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.
+3 more
Fontes
- Xie, Q., Dai, Z., Hovy, E., Luong, T., & Le, Q. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 27780–27792. link ↗
- Chen, J., Yang, Z., & Yang, D. (2020). MixText: Linguistically-Informed Interpolation of Hidden Space for Semi-Supervised Text Classification. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 2147–2157. DOI: 10.18653/v1/2020.acl-main.194 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/pt/deep-learning/semi-supervised-bert-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.
- Classificação baseada em BERTAprendizado profundo↔ compare
- Classificação Fina Ajustada Baseada em BERTAprendizado profundo↔ compare
- Classificação baseada em RoBERTaAprendizado profundo↔ compare
- Classificação baseada em BERT auto-supervisionadoAprendizado profundo↔ compare
- Transformador SemissupervisionadoAprendizado profundo↔ compare
- Classificação baseada em BERT com Supervisão FracaAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →