Класифікація тексту з малою кількістю прикладів
Класифікація тексту з малою кількістю прикладів призначає документи до класів, використовуючи лише кілька мічених прикладів для кожного класу. Спираючись на досягнення Gao et al. (2021) та підхід SetFit без підказок від Tunstall et al. (2022), вона використовує прототипні мережі, MAML або доналаштування великої попередньо навченої моделі для навчання на обмеженій кількості міток.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Few-Shot Text Classification. ScholarGate. https://scholargate.app/uk/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 EmbeddingsІнтелектуальний аналіз тексту↔ compare
- Адаптація до доменуІнтелектуальний аналіз тексту↔ compare
- Сентимент-аналізІнтелектуальний аналіз тексту↔ compare
- Класифікація текстуІнтелектуальний аналіз тексту↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →