การจำแนกประเภทโดยใช้ RoBERTa หลายภาษา
การจำแนกประเภทโดยใช้ RoBERTa หลายภาษา (Multilingual RoBERTa-based classification) ใช้ XLM-RoBERTa ซึ่งเป็นโมเดลแบบทรานส์ฟอร์เมอร์ (transformer) ที่ได้รับการฝึกฝนล่วงหน้า (pretrained) บน 100+ ภาษา ผ่านการสร้างแบบจำลองภาษาที่ถูกปิดบัง (masked language modeling) และนำมาปรับละเอียด (fine-tune) บนข้อมูลที่มีป้ายกำกับ (labeled text) เพื่อกำหนดหมวดหมู่ข้ามหลายภาษา การใช้โมเดลเดียวร่วมกันสำหรับทุกภาษานี้ช่วยให้สามารถจำแนกประเภทข้อความแบบข้ามภาษา (cross-lingual) และแบบไม่เคยเห็นข้อมูลมาก่อน (zero-shot) ได้อย่างมีประสิทธิภาพ โดยไม่จำเป็นต้องมีตัวจำแนกประเภทแยกสำหรับแต่ละภาษา
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Conneau, A., Khandelwal, K., Goyal, N., Chaudhary, V., Wenzek, G., Guzman, F., Grave, E., Ott, M., Zettlemoyer, L., & Stoyanov, V. (2020). Unsupervised Cross-lingual Representation Learning at Scale. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL 2020), pp. 8440–8451. DOI: 10.18653/v1/2020.acl-main.747 ↗
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Multilingual RoBERTa-based Text Classification (XLM-RoBERTa). ScholarGate. https://scholargate.app/th/deep-learning/multilingual-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
- การฝังประโยคหลายภาษาการเรียนรู้เชิงลึก↔ compare
- หม้อแปลงหลายภาษาการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ compare