ゼロショット分類（ぜろしょっとぶんるい）

最終更新：2026/4/27

ゼロショット分類とは、事前に学習データを与えずに、新しいカテゴリのデータを分類する機械学習の手法である。

別名・同義語 Few-shot分類ラベルなし分類

ポイント

従来の分類手法とは異なり、ラベル付けされたデータが不要な点が特徴であり、汎用的な自然言語処理モデルの活用を可能にする。

ゼロショット分類の概要

ゼロショット分類は、大規模な言語モデル（LLM）の発展によって注目を集めている技術です。従来の機械学習では、特定の分類タスクを実行するために、そのタスクに特化した学習データが必要でした。しかし、ゼロショット分類では、学習データなしで、モデルが持つ知識に基づいて分類を行うことができます。

ゼロショット分類は、主に以下の2つの要素に基づいて機能します。

大規模言語モデル（LLM）: 事前に大量のテキストデータで学習されたLLMは、単語や文の意味、文脈などを理解する能力を持っています。
プロンプトエンジニアリング: LLMに対して、分類タスクを指示するプロンプト（指示文）を適切に設計することで、モデルは新しいカテゴリのデータを分類することができます。

例えば、「この文章はポジティブですか、ネガティブですか？」というプロンプトと、分類したい文章を入力することで、LLMは文章の感情を分析し、ポジティブまたはネガティブと分類します。

ゼロショット分類は、様々な分野で応用されています。

ゼロショット分類は、非常に強力な手法ですが、いくつかの課題も存在します。