Дообученная классификация на основе BERT
Дообученная классификация на основе BERT адаптирует предварительно обученный трансформер BERT к конкретной задаче классификации текстов путем добавления легкого выходного слоя и продолжения градиентного обучения на размеченных примерах. Она стабильно достигает точности, близкой к передовой, в анализе тональности, категоризации тем, обнаружении намерений и других задачах классификации НЛП с относительно небольшими размеченными наборами данных.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Источники
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? Proceedings of CCL 2019, LNCS 11856, 194–206. DOI: 10.1007/978-3-030-32381-3_16 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/ru/deep-learning/fine-tuned-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.
- Классификация на основе BERTГлубокое обучение↔ compare
- Классификация на основе дообученной модели RoBERTaГлубокое обучение↔ compare
- Дообученный ТрансформерГлубокое обучение↔ compare
- Классификация на основе RoBERTaГлубокое обучение↔ compare
- Векторные представления предложенийГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →