การจำแนกประเภทข้อความแบบกึ่งมีผู้สอนโดยใช้ BERT
การจำแนกประเภทข้อความแบบกึ่งมีผู้สอนโดยใช้ BERT เป็นการปรับแต่งตัวเข้ารหัส BERT ที่ได้รับการฝึกฝนล่วงหน้าด้วยชุดตัวอย่างข้อความที่มีป้ายกำกับขนาดเล็ก ในขณะเดียวกันก็ใช้ประโยชน์จากชุดข้อความที่ไม่มีป้ายกำกับขนาดใหญ่กว่ามาก — ผ่านการฝึกฝนแบบคงเส้นคงวา (consistency training), การติดป้ายกำกับเทียม (pseudo-labeling) หรือการเพิ่มข้อมูล (data augmentation) — เพื่อสร้างตัวจำแนกประเภทคุณภาพสูง แม้ในกรณีที่การติดป้ายกำกับด้วยตนเองมีจำกัด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+3 more
แหล่งอ้างอิง
- Xie, Q., Dai, Z., Hovy, E., Luong, T., & Le, Q. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 27780–27792. link ↗
- Chen, J., Yang, Z., & Yang, D. (2020). MixText: Linguistically-Informed Interpolation of Hidden Space for Semi-Supervised Text Classification. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 2147–2157. DOI: 10.18653/v1/2020.acl-main.194 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised BERT-based Text Classification. ScholarGate. https://scholargate.app/th/deep-learning/semi-supervised-bert-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
- การจำแนกประเภทโดยใช้ BERT ที่ปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบเรียนรู้ด้วยตนเองโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- Transformer แบบกึ่งกำกับดูแลการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทแบบ BERT โดยใช้การกำกับดูแลแบบอ่อนการเรียนรู้เชิงลึก↔ compare