Machine learningDeep learning / NLP / CV
การจำแนกประเภทโดยใช้ RoBERTa แบบกำกับดูแลตนเอง
การจำแนกประเภทโดยใช้ RoBERTa แบบกำกับดูแลตนเอง ผสมผสานการแสดงภาษาอันทรงพลังของโมเดล RoBERTa transformer ซึ่งเรียนรู้จากคลังข้อมูลขนาดใหญ่ที่ไม่มีป้ายกำกับผ่านการสร้างแบบจำลองภาษาแบบปิดบัง (masked-language modeling) เข้ากับวัตถุประสงค์การกำกับดูแลตนเอง เพื่อทำการจำแนกประเภทข้อความโดยใช้ข้อมูลที่มีป้ายกำกับน้อยหรือไม่ต้องใช้เลย แนวทางนี้ใช้ประโยชน์จากข้อความที่ไม่มีป้ายกำกับจำนวนมากเพื่อสร้างสัญญาณการฝึกสอนของตนเองก่อนที่จะปรับแต่ง (fine-tuning) สำหรับงานจำแนกประเภทปลายทาง
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
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 ↗
- 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. DOI: 10.18653/v1/N19-1423 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/th/deep-learning/self-supervised-roberta-based-classification