ScholarGate
Asistenti
Machine learningDeep learning / NLP / CV

Klasifikimi i Bazuar në RoBERTa me Përshtatje Domeni

Klasifikimi i bazuar në RoBERTa me përshtatje domeni shtrin transformatorin RoBERTa duke vazhduar së pari para-trajnimin e tij me model të maskuar të gjuhës (masked-language-model) në një korpus specifik për domen, para se të imët-përshtatet (fine-tune) për një detyrë klasifikimi. Kjo përshtatje dy-fazëshe kapërcen hendekun midis të dhënave të përgjithshme të trajnuara nga rrëmuja e internetit dhe fushave të specializuara si teksti biomjekësor, ligjor ose shkencor, duke tejkaluar në mënyrë konsistente imët-përshtatjen standarde të RoBERTa kur teksti i domenit të synuar është i disponueshëm.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

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

Burimet

  1. 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
  2. Gururangan, S., Marasovic, A., Swayamdipta, S., Lo, K., Beltagy, I., Downey, D., & Smith, N. A. (2020). Don't Stop Pretraining: Adapt Language Models to Domains and Tasks. In Proceedings of ACL 2020, pp. 8342–8360. DOI: 10.18653/v1/2020.acl-main.740

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Domain-Adaptive RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/sq/deep-learning/domain-adaptive-roberta-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
ScholarGateDomain-adaptive RoBERTa-based Classification (Domain-Adaptive RoBERTa-based Text Classification). Marrë më 2026-06-15 nga https://scholargate.app/sq/deep-learning/domain-adaptive-roberta-based-classification · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026