Machine learningDeep learning / NLP / CV

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.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

+8 more

Источники

  1. 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
  2. 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.

Compare side by side

Упоминается в

ScholarGateFine-Tuned BERT-based Classification (Fine-Tuned BERT-based Text Classification). Получено 2026-06-15 из https://scholargate.app/ru/deep-learning/fine-tuned-bert-based-classification · Набор данных: https://doi.org/10.5281/zenodo.20539026