การจำแนกข้อความแบบ Few-Shot
การจำแนกข้อความแบบ few-shot เป็นการกำหนดเอกสารให้กับคลาสต่างๆ โดยใช้ตัวอย่างที่มีป้ายกำกับเพียงไม่กี่ตัวอย่างต่อคลาส โดยอาศัยความก้าวหน้าของ Gao et al. (2021) และแนวทาง SetFit แบบไม่ใช้ prompt ของ Tunstall et al. (2022) ซึ่งใช้ประโยชน์จาก prototypical networks, MAML หรือการปรับแต่ง (fine-tuning) โมเดลที่ได้รับการฝึกฝนล่วงหน้าขนาดใหญ่ เพื่อเรียนรู้จากป้ายกำกับที่มีอยู่อย่างจำกัด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Gao, T., Fisch, A. & Chen, D. (2021). Making Pre-trained Language Models Better Few-shot Learners. ACL. DOI: 10.18653/v1/2021.acl-long.295 ↗
- Tunstall, L., Reimers, N., Jo, U.E.S., Bates, L., Korat, D., Wasserblat, M. & Pereg, O. (2022). Efficient Few-Shot Learning Without Prompts. arXiv. DOI: 10.48550/arXiv.2209.11055 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/th/text-mining/few-shot-text-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.
- BERT Embeddingsการทำเหมืองข้อความ↔ compare
- การปรับตัวตามโดเมนการทำเหมืองข้อความ↔ compare
- การวิเคราะห์ความรู้สึกการทำเหมืองข้อความ↔ compare
- การจำแนกข้อความการทำเหมืองข้อความ↔ compare