เปรียบเทียบวิธี

	หน่วยความจำระยะสั้นแบบยาว (LSTM)	การจำแนกประเภทโดยใช้ BERT
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	1997	2019
ผู้ริเริ่ม	Hochreiter, S. & Schmidhuber, J.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (Google AI Language)
ประเภท	Recurrent neural network with gated memory cells	Pre-trained language model with fine-tuning
แหล่งต้นตำรับ	Hochreiter, S. & Schmidhuber, J. (1997). Long short-term memory. Neural Computation, 9(8), 1735–1780.	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019 (pp. 4171–4186). Association for Computational Linguistics.
ชื่อเรียกอื่น	LSTM, LSTM network, LSTM-RNN, long short-term memory RNN	BERT classifier, BERT fine-tuning for classification, BERT text classification, BERT-CLS
ที่เกี่ยวข้อง	4	4
สรุป	Long Short-Term Memory (LSTM) is a gated recurrent neural network architecture introduced by Hochreiter and Schmidhuber in 1997. It was designed to learn dependencies across long sequences by using dedicated memory cells and three learned gates — forget, input, and output — that control what information is retained, updated, or passed forward at each time step.	BERT-based Classification fine-tunes Google's Bidirectional Encoder Representations from Transformers model on a labelled text dataset, replacing the generic pre-trained head with a task-specific classification layer. It exploits deep bidirectional context from hundreds of millions of pre-trained parameters to deliver state-of-the-art accuracy on short- and medium-length text classification tasks with relatively modest amounts of labelled data.