Nollskottsklassificering — Textklassificering utan träningsdata
Nollskottsklassificering är en uppgift inom naturlig språkbehandling som tilldelar text till kategorier beskrivna med vanligt språk, utan att kräva någon märkt träningsdata. Formulerad som ett inferensproblem av Yin, Hay och Roth (2019), låter den en stor förtränad språkmodell känna igen nya kategorier i farten enbart genom att namnge dem, vilket möjliggör snabb anpassning till nya uppsättningar av etiketter.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Yin, W., Hay, J. & Roth, D. (2019). Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. EMNLP, 3914-3923. DOI: 10.18653/v1/D19-1404 ↗
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/sv/text-mining/zero-shot-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.
- Få-exempel textklassificeringTextutvinning↔ compare
- SentimentanalysTextutvinning↔ compare
- TextklassificeringTextutvinning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →