การจำแนกประเภทโดยใช้ RoBERTa แบบปรับตามโดเมน
การจำแนกประเภทโดยใช้ RoBERTa แบบปรับตามโดเมน (Domain-adaptive RoBERTa-based classification) เป็นการต่อยอดโมเดล RoBERTa transformer โดยเริ่มจากการฝึกฝนโมเดลล่วงหน้าด้วยแบบจำลองภาษาแบบปิด (masked-language-model pretraining) บนคลังข้อมูลเฉพาะทาง (domain-specific corpus) ก่อนที่จะปรับแต่งโมเดล (fine-tuning) สำหรับงานจำแนกประเภท การปรับตามสองขั้นตอนนี้ช่วยลดช่องว่างระหว่างข้อมูลที่ได้จากการรวบรวมจากเว็บทั่วไปกับข้อมูลในสาขาวิชาเฉพาะทาง เช่น ข้อความทางการแพทย์ กฎหมาย หรือวิทยาศาสตร์ ซึ่งให้ผลลัพธ์ที่ดีกว่าการปรับแต่ง RoBERTa แบบมาตรฐานอย่างสม่ำเสมอเมื่อมีข้อมูลในโดเมนเป้าหมาย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Domain-Adaptive RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/th/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.
- การจำแนกประเภทโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบ BERT ที่ปรับให้เข้ากับโดเมนการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบ Fine-Tuned RoBERTaการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTa หลายภาษาการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ compare