推 itis0423: BERT 02/19 21:10
→ linfeelin: 可以用PAN dataset 02/20 00:52
推 kokolotl: bert可以直接拿Bert as service來用 02/20 10:01
推 sxy67230: few shot learning 其實就是把原本分類的問題變成一個 02/20 16:01
→ sxy67230: 比較的問題，自然就會增加很多可訓練資料。 02/20 16:01
推 sxy67230: 不過我建議是你可以先對他提供的文章做初步的分析，看 02/20 16:05
→ sxy67230: 看feature夠不夠明確，是不是有辦法透過關鍵字增加featu 02/20 16:05
→ sxy67230: re 來分類。直接拿bert做fine tune 也是可以。 02/20 16:05
→ del680202: 感謝各位的意見 我去找找bert相關的資料來切入 02/20 21:39
推 sxy67230: 其實如果你是用python 我推薦你一個叫snorkel的套件， 02/21 18:40
→ sxy67230: 基本上就是一個weak supervised learning 的模塊，可以 02/21 18:40
→ sxy67230: 用一些規則方式幫你做文字分析，在用多種規則聯合推理 02/21 18:40
→ sxy67230: 資料分布，在訓練模型。另外，他還有資料增生的範例， 02/21 18:40
→ sxy67230: 對你一定有幫助 02/21 18:40
推 erre: 掰陳用svr只需要一間房子用電量就可以預測了！ 02/22 08:25
推 erre: 試試看call svm 02/22 08:56
推 ypsc: 直接用文章內容分效果很差 要先parse出一些可以作為參考特徵 02/23 20:24
→ ypsc: 再去作分類器 效果比較好 02/23 20:24
推 ctr1: erre ㄋㄊㄇ亂回文回爽沒 02/24 08:29
推 goldflower: 該永桶了ㄅ= = 02/26 08:43
推 st1009: 有人要蒐集證據向板主檢舉嗎(? 02/26 11:49
推 roccqqck: 他到處多恨交大andrew chen 02/26 13:04
→ roccqqck: 到底 02/26 13:05
→ goldflower: 居然有人知道他在說誰XDDDD 02/26 22:58
推 luli0034: SVM對小量資料比較不友善 support vectors不夠具代表性 05/05 13:09
→ luli0034: 的話分類準確度不好 少量資料可以靠pretrained 在大量 05/05 13:09
→ luli0034: 文本上的shallow embedding去些微提升 或者做些基本的da 05/05 13:09
→ luli0034: ta augmentation (提升有限） 05/05 13:09
→ luli0034: 是說資料的語言是？ 05/05 13:10
推 popo14777: 可用SVDD 支援向量資料描述 05/17 21:43