การจำแนกประเภทแบบกึ่งกำกับดูแลโดยใช้ RoBERTa
การจำแนกประเภทแบบกึ่งกำกับดูแลโดยใช้ RoBERTa เป็นการผสมผสานโมเดลภาษา RoBERTa ขนาดใหญ่ที่ได้รับการฝึกฝนล่วงหน้าเข้ากับชุดข้อมูลที่มีป้ายกำกับขนาดเล็กและชุดข้อความที่ไม่มีป้ายกำกับขนาดใหญ่ โดยการสร้างป้ายกำกับเสมือน (pseudo-labels) หรือการบังคับให้เกิดความสอดคล้องกับตัวอย่างที่ไม่มีป้ายกำกับ วิธีการนี้จะดึงสัญญาณการกำกับดูแลจากข้อมูลที่ไม่มีการกำกับดูแล ทำให้ได้ตัวจำแนกประเภทที่แข็งแกร่งขึ้นเมื่อการกำกับดูแลตามความเป็นจริงมีจำกัด
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 ↗
- Xie, Q., Dai, Z., Hovy, E., Luong, M.-T., & Le, Q. V. (2020). Unsupervised Data Augmentation for Consistency Training. Advances in Neural Information Processing Systems (NeurIPS), 33, 11904–11915. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised RoBERTa-based Text Classification. ScholarGate. https://scholargate.app/th/deep-learning/semi-supervised-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 Fine-Tuned RoBERTaการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTaการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทข้อความแบบกึ่งมีผู้สอนโดยใช้ BERTการเรียนรู้เชิงลึก↔ compare
- Transformer แบบกึ่งกำกับดูแลการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทโดยใช้ RoBERTa แบบกำกับดูแลอย่างอ่อนการเรียนรู้เชิงลึก↔ compare