Класифікація на основі доналаштованого BERT
Класифікація на основі доналаштованого BERT адаптує попередньо навчений трансформер BERT до конкретного завдання класифікації тексту шляхом додавання легкого вихідного шару та продовження градієнтного навчання на розмічених прикладах. Вона стабільно досягає точності, близької до найсучаснішої, у аналізі тональності, категоризації тем, виявленні намірів та інших завданнях класифікації NLP з відносно невеликими розміченими наборами даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+8 more
Джерела
- Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI: 10.18653/v1/N19-1423 ↗
- Sun, C., Qiu, X., Xu, Y., & Huang, X. (2019). How to Fine-Tune BERT for Text Classification? Proceedings of CCL 2019, LNCS 11856, 194–206. DOI: 10.1007/978-3-030-32381-3_16 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Fine-Tuned BERT-based Text Classification. ScholarGate. https://scholargate.app/uk/deep-learning/fine-tuned-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.
- Класифікація на основі BERTГлибоке навчання↔ compare
- Класифікація на основі доналаштованої моделі RoBERTaГлибоке навчання↔ compare
- Трансформер з доналаштуваннямГлибоке навчання↔ compare
- Класифікація на основі RoBERTaГлибоке навчання↔ compare
- Векторні представлення реченьГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →