การจำแนกประเภทแบบไม่ใช้ตัวอย่าง — การจำแนกข้อความโดยไม่ต้องใช้ข้อมูลฝึกสอน
การจำแนกประเภทแบบไม่ใช้ตัวอย่าง (Zero-shot classification) เป็นงานประมวลผลภาษาธรรมชาติที่กำหนดหมวดหมู่ให้กับข้อความ โดยใช้คำอธิบายในภาษาทั่วไป โดยไม่จำเป็นต้องมีข้อมูลฝึกสอนที่มีป้ายกำกับ การกำหนดรูปแบบปัญหาการอนุมานโดย Yin, Hay และ Roth (2019) ทำให้แบบจำลองภาษาขนาดใหญ่ที่ได้รับการฝึกสอนล่วงหน้าสามารถรับรู้หมวดหมู่ใหม่ได้ทันที เพียงแค่ระบุชื่อหมวดหมู่เหล่านั้น ซึ่งช่วยให้สามารถปรับตัวเข้ากับชุดป้ายกำกับใหม่ได้อย่างรวดเร็ว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Yin, W., Hay, J. & Roth, D. (2019). Benchmarking Zero-shot Text Classification: Datasets, Evaluation and Entailment Approach. EMNLP, 3914-3923. DOI: 10.18653/v1/D19-1404 ↗
- Brown, T. et al. (2020). Language Models are Few-Shot Learners. NeurIPS. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Zero-Shot Text Classification. ScholarGate. https://scholargate.app/th/text-mining/zero-shot-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.
- การจำแนกข้อความแบบ Few-Shotการทำเหมืองข้อความ↔ compare
- การวิเคราะห์ความรู้สึกการทำเหมืองข้อความ↔ compare
- การจำแนกข้อความการทำเหมืองข้อความ↔ compare