เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอนด้วยการจำแนกประเภทโดยใช้ BERT	การจำแนกประเภทโดยใช้ BERT ที่ปรับละเอียด
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019 (BERT); transfer learning paradigm established circa 2010	2019
ผู้ริเริ่ม	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (BERT); Pan, S. J. & Yang, Q. (transfer learning survey)	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (Google AI)
ประเภท	Pre-trained transformer fine-tuned for classification	Pre-trained transformer fine-tuned for classification
แหล่งต้นตำรับ	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, 4171–4186. Association for Computational Linguistics.	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.
ชื่อเรียกอื่น	BERT fine-tuning for classification, BERT transfer learning classifier, pre-trained BERT classifier, BERT downstream classification	BERT fine-tuning, BERT classifier, fine-tuned BERT, BERT sequence classification
ที่เกี่ยวข้อง	4	5
สรุป	Transfer Learning with BERT-based Classification adapts a large transformer language model, pre-trained on massive text corpora, to a target classification task by fine-tuning its weights on labeled examples. The pre-trained representations encode rich syntactic and semantic knowledge, enabling high accuracy even when the labeled dataset is small.	Fine-Tuned BERT-based Classification adapts a pre-trained BERT transformer to a specific text classification task by adding a lightweight output layer and continuing gradient-based training on labelled examples. It consistently achieves near-state-of-the-art accuracy on sentiment analysis, topic categorisation, intent detection, and other NLP classification tasks with relatively small labelled datasets.