เปรียบเทียบวิธี

	การจำแนกประเภทโดยใช้ RoBERTa แบบกำกับดูแลอย่างอ่อน	การจำแนกประเภทโดยใช้ BERT
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2019–2020	2019
ผู้ริเริ่ม	Liu et al. (RoBERTa, 2019); weak supervision paradigm: Ratner et al. (2016–2020)	Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (Google AI Language)
ประเภท	Pretrained transformer classifier with weak supervision	Pre-trained language model with fine-tuning
แหล่งต้นตำรับ	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:1907.11692.	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	WS-RoBERTa, RoBERTa with weak supervision, weakly supervised transformer classification, noisy-label RoBERTa classifier	BERT classifier, BERT fine-tuning for classification, BERT text classification, BERT-CLS
ที่เกี่ยวข้อง	5	4
สรุป	Weakly supervised RoBERTa-based classification combines the RoBERTa pretrained transformer with weak supervision — programmatic or heuristic labeling sources — to train powerful text classifiers without requiring a fully hand-labeled dataset. Labeling functions, distant supervision, or crowd-sourced signals generate noisy labels that are aggregated and used to fine-tune RoBERTa for downstream classification tasks.	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.