Classificação de Textos com Poucos Exemplos
A classificação de textos com poucos exemplos (few-shot text classification) atribui documentos a classes usando apenas um punhado de exemplos rotulados por classe. Baseando-se nos avanços de Gao et al. (2021) e na abordagem SetFit sem prompts de Tunstall et al. (2022), ela se apoia em redes prototípicas, MAML ou no ajuste fino (fine-tuning) de um grande modelo pré-treinado para aprender com rótulos escassos.
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
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/pt/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.
- Embeddings BERTMineração de texto↔ compare
- Adaptação de DomínioMineração de texto↔ compare
- Análise de SentimentoMineração de texto↔ compare
- Classificação de TextoMineração de texto↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →