知识卡片
假新闻分类任务
本章的下游任务是把两条中文标题判断为 agreed、disagreed、unrelated 三类,输入是两个句子,输出是三分类概率,性质等同于自然语言推理。之所以选它,是因为它同时覆盖“句子对输入”和“多类别输出”两种常见形态,能完整演示 BERT 的句子对分类能力。后续所有数据处理都围绕把每条样本构造成 (text_a, text_b, label) 展开。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第14章 用BERT实现中文语句分类 · 查看原书依据
这个任务的输入是两个句子,输出是3个类别概率的多类别分类任务(Multi-Class Classification Task),与NLP领域里常见的自然语言推论(Natural Language Inference)具有相同性质。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第14章 用BERT实现中文语句分类(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter18_0003.xhtml)
- 结论依据:14.3 节说明任务为成对句子的多类别分类,并指出其与自然语言推论具有相同性质。
- 原始内容:这个任务的输入是两个句子,输出是3个类别概率的多类别分类任务(Multi-Class Classification Task),与NLP领域里常见的自然语言推论(Natural Language Inference)具有相同性质。